8 (812) 320-06-69

Каталог

Категории
Высшее образование (16+) (30969)
Высшее образование
Естественные науки (2013)
Естественные науки
Общественные науки (2579)
Общественные науки
Информатика и компьютерные технологии (3418)
Информатика и компьютерные технологии
Инженерное дело (1179)
Инженерное дело
Телекоммуникации, электроника, электротехника и радиотехника (1087)
Телекоммуникации, электроника, электротехника и радиотехника
Гуманитарные науки (8588)
Гуманитарные науки
Юриспруденция (2874)
Юриспруденция
Экономика. Экономические науки (5549)
Экономика. Экономические науки
Образование. Педагогические науки (2518)
Образование. Педагогические науки
Здравоохранение (577)
Здравоохранение
Физическая культура и спорт (321)
Физическая культура и спорт
Среднее профессиональное образование (14+) (2181)
Среднее профессиональное образование
Коллекции (32578)
Коллекции
Издательские коллекции (30129)
Издательские коллекции
Коллекции издательств Питер и БХВ (2927)
Коллекции издательств Питер и БХВ
Журналы (884)
Журналы
Остаться в выбранном разделе
Назад к каталогу

Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум

Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум ISBN 978-5-9775-6595-0
ISBN 978-5-9775-6595-0
Авторы: 
Янсен С.
Тип издания: 
Учебное пособие
Издательство: 
Санкт-Петербург: БХВ-Петербург
Год: 
2020
Количество страниц: 
560
Аннотация

Книга посвящена практике применения машинного обучения с целью создания мощных алгоритмических стратегий для успешной торговли на финансовых рынках. Изложены базовые принципы работы с данными: оценивание наборов данных, доступ к данным через API на языке Python, доступ к финансовым данным на платформе Quandl и управление ошибками предсказания. Рассмотрены построение и тренировка алгоритмических моделей с помощью Python-библиотек pandas, Seaborn, StatsModels и sklearn и построение, оценка и интерпретация моделей AR(p), MA(q) и ARIMA(p, d, q) с использованием библиотеки StatsModels. Описано применение библиотеки PyMC3 для байесового машинного обучения, библиотек NLTK, sklearn (Scikit-learn) и spaCy для назначения отметок финансовым новостям и классифицирования документов, библиотеки Keras для создания, настройки и оценки нейронных сетей прямого распространения, рекуррентных и сверточных сетей. Показано, как применять трансферное обучение к данным спутниковых снимков для предсказания экономической активности и как эффективно использовать подкрепляемое обучение для достижения оптимальных результатов торговли.
Для финансовых аналитиков и программистов на языке Python

Библиографическое описание Скопировать библиографическое описание

Янсен С. Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум / С. Янсен. - Санкт-Петербург : БХВ-Петербург, 2020. - 560 с. - ISBN 978-5-9775-6595-0. - URL: https://ibooks.ru/bookshelf/369871/reading (дата обращения: 21.06.2021). - Текст: электронный.