دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Doloc. Cris
سری:
ISBN (شابک) : 9781119550518, 1119550521
ناشر: Wiley
سال نشر: 2020
تعداد صفحات: 302
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب کاربردهای هوش محاسباتی در تجارت مبتنی بر داده: مهندسی مالی -- مطالعات موردی، هوش محاسباتی -- مطالعات موردی، یادگیری ماشینی -- مطالعات موردی
در صورت تبدیل فایل کتاب Applications of computational intelligence in data-driven trading به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کاربردهای هوش محاسباتی در تجارت مبتنی بر داده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
\"هدف این کتاب این است که خواننده را با حوزه مالی محاسباتی با استفاده از چارچوب یادگیری ماشینی به عنوان ابزار تحقیق علمی آشنا کند. تلاشی است برای ادغام این دو موضوع: نحوه استفاده از یادگیری ماشینی به عنوان ابزار انتخاب در حل مسائل موضوعی در امور مالی محاسباتی. خوانندگان روش های مدرنی را که توسط مهندسان مالی و تحلیلگران کمی برای دسترسی به پردازش و تفسیر داده ها استفاده می شود، یاد خواهند گرفت. مطالعات موردی که معرف مشکلات مرتبط در امور مالی مدرن است. موضوعات تحت پوشش عبارتند از تجزیه و تحلیل سری زمانی، پیشبینی، برنامهنویسی پویا، و شبکههای عصبی\"-- بیشتر بخوانید. ..
"The objective of this book is to introduce the reader to the field of Computational Finance using the framework of Machine Learning as a tool of scientific inquiry. It is an attempt to integrate these two topics: how to use Machine Learning as the tool of choice in solving topical problems in Computational Finance. Readers will learn modern methods used by financial engineers and quantitative analysts to access, process, and interpret data. Throughout, there are case studies that are representative of relevant problems in modern finance. Topics covered include Time Series analysis, forecasting, Dynamic Programming, and Neural Networks"-- Read more...
The evolution of trading paradigms --
The role of data in trading and investing --
Artificial intelligence : between myth and reality --
Computational intelligence : a principled approach for the era of data exploration --
How to apply the principles of CI in quantitative finance --
Case study 1 : optimizing trade execution --
Case study 2 : the dynamics of the limit order book --
Case study 3 : applying ML to portfolio management --
Case study 4 : applying ML to market making --
Case study 5 : applications of ml to derivatives valuation --
Case study 6 : using ML for risk management and compliance --
Conclusions and future directions.