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: Irene Aldridge, Marco Avellaneda سری: ISBN (شابک) : 9781119602989, 9781119602972 ناشر: سال نشر: 2021 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
در صورت تبدیل فایل کتاب Big Data Science in Finance 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 علم داده های بزرگ در امور مالی 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.
علم داده اساساً وال استریت را تغییر داده است - ریاضیات کاربردی و کدهای نرم افزاری به طور فزاینده ای ابزارهای مالی و تصمیم گیری سرمایه گذاری هستند. علم کلان داده در امور مالی ریاضیات، تئوری و استفاده عملی از تکنیک های انقلابی را بررسی می کند که صنعت را متحول می کند. این کتاب پرانرژی که برای دانشآموزان ریاضی پیشرفته و متخصصان مالی فهیم طراحی شده است، محتوای جدید و پیشرفته را بر اساس تحقیقات در سطح جهانی ارائه میکند که در برنامههای پیشرو ریاضیات و مهندسی مالی در جهان تدریس میشود. مارکو آولاندا، رهبر در امور مالی کمی و نویسنده روش شناسی کمی، ایرن آلدریج به خوانندگان کمک می کند تا از قدرت داده های بزرگ استفاده کنند. این کتاب از نظر دامنه جامع، دستورالعمل های عمیقی را در مورد نحوه جداسازی سیگنال از نویز، نحوه برخورد با مقادیر داده های از دست رفته و نحوه استفاده از تکنیک های داده های بزرگ در تصمیم گیری ارائه می دهد. موضوعات کلیدی شامل خوشه بندی داده ها، بهینه سازی ذخیره سازی داده ها، دینامیک داده های بزرگ، روش های مونت کارلو و کاربردهای آنها در تجزیه و تحلیل داده های بزرگ و موارد دیگر است.
Data science has fundamentally changed Wall Street—applied mathematics and software code are increasingly driving finance and investment-decision tools. Big Data Science in Finance examines the mathematics, theory, and practical use of the revolutionary techniques that are transforming the industry. Designed for mathematically-advanced students and discerning financial practitioners alike, this energizing book presents new, cutting-edge content based on world-class research taught in the leading Financial Mathematics and Engineering programs in the world. Marco Avellaneda, a leader in quantitative finance, and quantitative methodology author Irene Aldridge help readers harness the power of Big Data. Comprehensive in scope, this book offers in-depth instruction on how to separate signal from noise, how to deal with missing data values, and how to utilize Big Data techniques in decision-making. Key topics include data clustering, data storage optimization, Big Data dynamics, Monte Carlo methods and their applications in Big Data analysis, and more.
Contents Preface 1 Why Big Data? 2 Neural Networks in Finance 3 Supervised Learning 4 Modeling Human Behavior with Semi-Supervised Learning 5 Letting the Data Speak with Unsupervised Learning 6 Big Data Factor Models 7 Data as a Signal versus Noise 8 Applications: Unsupervised Learning in Option Pricing and Stochastic Modeling 9 Data Clustering Conclusion Index