Data Science for Economics and Finance: Methodologies and Applications

این کتاب با دسترسی آزاد، استفاده از علم داده، از جمله یادگیری ماشینی پیشرفته، تجزیه و تحلیل داده‌های بزرگ، فناوری‌های وب معنایی، پردازش زبان طبیعی، تجزیه و تحلیل رسانه‌های اجتماعی، تجزیه و تحلیل سری‌های زمانی و موارد دیگر را برای کاربردهای اقتصادی و مالی پوشش می‌دهد. علاوه بر این، برخی از کاربردهای موفق راه‌حل‌های علوم داده پیشرفته را نشان می‌دهد که برای استخراج دانش جدید از داده‌ها به منظور بهبود مدل‌های پیش‌بینی اقتصادی استفاده می‌شوند.

کتاب با مقدمه‌ای در مورد استفاده از فناوری‌های علم داده در اقتصاد شروع می‌شود. و امور مالی و با سیزده فصل دنبال می‌شود که داستان‌های موفقیت‌آمیز کاربرد روش‌های علم داده خاص را نشان می‌دهد و موضوعات خاصی را در ارتباط با منابع و فناوری‌های جدید داده‌های بزرگ برای تجزیه و تحلیل اقتصادی (مانند رسانه‌های اجتماعی و اخبار) نشان می‌دهد. مدل‌های کلان داده با استفاده از یادگیری ماشینی تحت نظارت/بدون نظارت (عمیق). پردازش زبان طبیعی برای ایجاد شاخص های اقتصادی و مالی؛ و پیش‌بینی و پیش‌بینی متغیرهای اقتصادی از طریق تحلیل سری‌های زمانی.

این کتاب برای همه ذینفعان درگیر در تحقیقات دیجیتال و داده فشرده در اقتصاد و امور مالی مرتبط است و به آنها کمک می کند تا فرصت ها و چالش های اصلی را درک کنند، با آخرین یافته های روش شناختی آشنا شوند و نحوه استفاده را بیاموزند. و عملکرد ابزارها و چارچوب های جدید را ارزیابی کنید. این در درجه اول دانشمندان داده و تحلیلگران تجاری را هدف قرار می دهد که از فناوری های علم داده استفاده می کنند، و همچنین منبع مفیدی برای تحقیق دانشجویان در رشته ها و دوره های مرتبط با این موضوعات خواهد بود. به طور کلی، خوانندگان راه حل های مدرن و موثر علم داده را برای ایجاد نوآوری های ملموس برای برنامه های اقتصادی و مالی یاد خواهند گرفت.

This open access book covers the use of data science, including advanced machine learning, big data analytics, Semantic Web technologies, natural language processing, social media analysis, time series analysis, among others, for applications in economics and finance. In addition, it shows some successful applications of advanced data science solutions used to extract new knowledge from data in order to improve economic forecasting models.

The book starts with an introduction on the use of data science technologies in economics and finance and is followed by thirteen chapters showing success stories of the application of specific data science methodologies, touching on particular topics related to novel big data sources and technologies for economic analysis (e.g. social media and news); big data models leveraging on supervised/unsupervised (deep) machine learning; natural language processing to build economic and financial indicators; and forecasting and nowcasting of economic variables through time series analysis.  

This book is relevant to all stakeholders involved in digital and data-intensive research in economics and finance, helping them to understand the main opportunities and challenges, become familiar with the latest methodological findings, and learn how to use and evaluate the performances of novel tools and frameworks. It primarily targets data scientists and business analysts exploiting data science technologies, and it will also be a useful resource to research students in disciplines and courses related to these topics. Overall, readers will learn modern and effective data science solutions to create tangible innovations for economic and financial applications.