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
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
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.
\"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.
"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.