مشخصات کتاب

Machine Learning for Asset Managers

ویرایش:  
نویسندگان: Marcos M. López de Prado  
سری: Elements in Quantitative Finance 
ISBN (شابک) : 1108792898, 9781108792899 
ناشر: Cambridge University Press 
سال نشر: 2020 
تعداد صفحات: 152 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 Mb 

در صورت تبدیل فایل کتاب Machine Learning for Asset Managers 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 یادگیری ماشین برای مدیران دارایی 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 یادگیری ماشین برای مدیران دارایی

استراتژی‌های سرمایه‌گذاری موفق، پیاده‌سازی خاصی از نظریه‌های عمومی هستند. یک استراتژی سرمایه گذاری که فاقد توجیه نظری باشد احتمالا نادرست است. از این رو، یک مدیر دارایی باید تلاش خود را بر توسعه یک تئوری متمرکز کند تا اینکه قوانین معاملاتی بالقوه را آزمایش کند. هدف این عنصر معرفی ابزارهای یادگیری ماشینی (ML) است که می تواند به مدیران دارایی در کشف نظریه های اقتصادی و مالی کمک کند. ML یک جعبه سیاه نیست و لزوماً بیش از حد مناسب نیست. ابزارهای ML به جای جایگزینی روش های آماری کلاسیک مکمل هستند. برخی از نقاط قوت ML شامل (1) تمرکز بر پیش بینی پذیری خارج از نمونه بر قضاوت واریانس است. (2) استفاده از روش های محاسباتی برای اجتناب از اتکا به فرضیات (بالقوه غیر واقعی). (3) توانایی "یادگیری" مشخصات پیچیده، از جمله اثرات تعامل غیرخطی، سلسله مراتبی، و غیر پیوسته در یک فضای با ابعاد بالا. و (4) توانایی جدا کردن جستجوی متغیر از جستجوی مشخصات، قوی تا چند خطی و سایر اثرات جایگزینی.

توضیحاتی درمورد کتاب به خارجی

Successful investment strategies are specific implementations of general theories. An investment strategy that lacks a theoretical justification is likely to be false. Hence, an asset manager should concentrate her efforts on developing a theory rather than on backtesting potential trading rules. The purpose of this Element is to introduce machine learning (ML) tools that can help asset managers discover economic and financial theories. ML is not a black box, and it does not necessarily overfit. ML tools complement rather than replace the classical statistical methods. Some of ML's strengths include (1) a focus on out-of-sample predictability over variance adjudication; (2) the use of computational methods to avoid relying on (potentially unrealistic) assumptions; (3) the ability to “learn” complex specifications, including nonlinear, hierarchical, and noncontinuous interaction effects in a high-dimensional space; and (4) the ability to disentangle the variable search from the specification search, robust to multicollinearity and other substitution effects.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب Red: A Natural History of the Redhead

دانلود کتاب Drug Therapy and Interactions in Pediatric Oncology: A Pocket Guide

دانلود کتاب Molecular improvement of cereal crops

دانلود کتاب The Sam languages : a history of Rendille, Boni, and Somali

دانلود کتاب Networking Essentials: Companion Guide