برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید

09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Applications of Computational Intelligence in Data-Driven Trading

دانلود کتاب کاربردهای هوش محاسباتی در تجارت داده محور

مشخصات کتاب

Applications of Computational Intelligence in Data-Driven Trading

دسته بندی: بازارها
ویرایش:  
نویسندگان: Cris Doloc  
سری:  
ISBN (شابک) : 1119550505, 9781119550501 
ناشر: Wiley 
سال نشر: 2020 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت

قیمت کتاب (تومان) : 33,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 9

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 داده محور 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.

توضیحاتی در مورد کتاب کاربردهای هوش محاسباتی در تجارت داده محور

\"زندگی روی زمین پر از اسرار بسیاری است، اما شاید چالش برانگیزترین آنها ماهیت هوش باشد."

- پروفسور ترنس جی. زیست شناس اعصاب

هدف اصلی این کتاب ایجاد آگاهی در مورد وعده ها و چالش های بزرگی است که عصر تصمیم گیری مبتنی بر داده و یادگیری ماشینی با آن مواجه است و به ویژه در مورد چگونگی این موارد جدید. تحولات ممکن است آینده صنعت مالی را تحت تأثیر قرار دهد.

موضوعیادگیری ماشین مالی اخیراً توجه زیادی را به خود جلب کرده است، به ویژه به این دلیل که یکی از چالش برانگیزترین موضوعات را نشان می دهدفضاهای مشکلبرای کاربرد یادگیری ماشین. نویسنده از رویکردی بدیع برای آشنا کردن خواننده با این موضوع استفاده کرده است:

نیمه اول کتاب، مقدمه ای خواندنی و منسجم بر دو موضوع مدرن است که عموماً با هم در نظر گرفته نمی شوند: داده محورپارادایم وهوش محاسباتی. نیمه دوم کتاب مجموعه‌ای از مطالعات موردی را نشان می‌دهد که در عصر حاضر به متخصصان تجارت کمی مرتبط هستند که با مشکلاتی مانند بهینه‌سازی اجرای تجارت، پیش‌بینی پویایی قیمت، مدیریت پرتفوی، بازارسازی، ارزش‌گذاری مشتقات، ریسک و انطباق سروکار دارند. هدف اصلی این کتاب ماهیت آموزشی است و به طور خاص با هدف تعریف سطح کافی از مهندسی و وضوح علمی در استفاده از اصطلاح \"هوش مصنوعی" به ویژه همانطور که به صنعت مالی مربوط می شود.

پیامی که این کتاب منتقل می کند، یکی از اطمینان به امکانات ارائه شده توسط این دوره جدید از محاسبات فشرده داده است. این پیام مبتنی بر هیاهوی فعلی پیرامون آخرین فناوری‌ها نیست، بلکه بر اساس تحلیل عمیق اثربخشی آنها و همچنین بر اساس دو دهه تجربه حرفه‌ای نویسنده به عنوان یک فن‌شناس، کمی و دانشگاهی است.

توضیحاتی درمورد کتاب به خارجی

"Life on earth is filled with many mysteries, but perhaps the most challenging of these is the nature of Intelligence."

- Prof. Terrence J. Sejnowski, Computational Neurobiologist

The main objective of this book is to create awareness about both the promises and the formidable challenges that the era of Data-Driven Decision-Making and Machine Learning are confronted with, and especially about how these new developments may influence the future of the financial industry.

The subject ofFinancial Machine Learninghas attracted a lot of interest recently, specifically because it represents one of the most challengingproblem spacesfor the applicability of Machine Learning. The author has used a novel approach to introduce the reader to this topic:

The first half of the book is a readable and coherent introduction to two modern topics that are not generally considered together: thedata-drivenparadigm andComputational Intelligence. The second half of the book illustrates a set of Case Studies that are contemporarily relevant to quantitative trading practitioners who are dealing with problems such as trade execution optimization, price dynamics forecast, portfolio management, market making, derivatives valuation, risk, and compliance. The main purpose of this book is pedagogical in nature, and it is specifically aimed at defining an adequate level of engineering and scientific clarity when it comes to the usage of the term "Artificial Intelligence," especially as it relates to the financial industry.

The message conveyed by this book is one of confidence in the possibilities offered by this new era of Data-Intensive Computation. This message is not grounded on the current hype surrounding the latest technologies, but on a deep analysis of their effectiveness and also on the author's two decades of professional experience as a technologist, quant and academic.