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 Machine Learning for Risk Calculations: A Practitioner's View

دانلود کتاب یادگیری ماشینی برای محاسبات ریسک: دیدگاه یک پزشک

مشخصات کتاب

Machine Learning for Risk Calculations: A Practitioner's View

ویرایش:  
نویسندگان: Ignacio Ruiz,  M. Zeron  
سری: Wiley Finance 
ISBN (شابک) : 9781119791409, 9781119791386 
ناشر: Wiley 
سال نشر: 2022 
تعداد صفحات:  
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 24 Mb

قیمت کتاب (تومان) : 51,000

میانگین امتیاز به این کتاب :
تعداد امتیاز دهندگان : 9

در صورت تبدیل فایل کتاب Machine Learning for Risk Calculations: A Practitioner's View 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 ماشینی برای محاسبات ریسک: دیدگاه یک پزشک 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 ماشینی برای محاسبات ریسک: دیدگاه یک پزشک

پیشرفته ترین تکنیک های یادگیری عمیق الگوریتمی و تنسور برای موسسات مالی تقاضای محاسباتی برای محاسبات ریسک در موسسات مالی افزایش یافته است و هیچ نشانه ای از توقف نشان نمی دهد. دیگر نمی‌توان به سادگی قدرت محاسباتی بیشتری برای مقابله با این تقاضای افزایش یافته اضافه کرد. راه حل؟ راه‌حل‌های الگوریتمی مبتنی بر یادگیری عمیق و تانسورهای Chebyshev یک راه عملی برای کاهش هزینه‌ها و در عین حال افزایش همزمان قابلیت‌های محاسبه ریسک است. یادگیری ماشین برای محاسبات ریسک: دیدگاه یک پزشک، بررسی عمیق تعدادی از راه حل های الگوریتمی را ارائه می دهد و نشان می دهد که چگونه می توان از آنها برای غلبه بر بار محاسباتی عظیم محاسبات ریسک در موسسات مالی استفاده کرد. این کتاب شما را با مرور تکنیک‌های اساسی از جمله یادگیری عمیق و تانسورهای چبیشف شروع می‌کند. سپس ابزارهای الگوریتمی را کشف خواهید کرد که در ترکیب با اصول، راه حل های واقعی را برای مشکلات واقعی که مؤسسات مالی به طور منظم با آن مواجه می شوند، ارائه می دهند. آزمایش‌ها و مثال‌های عددی نشان می‌دهند که چگونه می‌توان این راه‌حل‌ها را برای مسائل عملی، از جمله ریسک اعتباری XVA و طرف مقابل، سرمایه IMM، PFE، VaR، FRTB، حاشیه اولیه پویا، کالیبراسیون تابع قیمت‌گذاری، پارامترسازی سطح نوسانات، بهینه‌سازی پورتفولیو و موارد دیگر به کار برد. در نهایت، مزایایی که این تکنیک‌ها ارائه می‌کنند، کاربردی بودن اجرای آن‌ها و نرم‌افزاری که می‌توان استفاده کرد را کشف خواهید کرد. اصول یادگیری عمیق و تانسورهای چبیشف را مرور کنید تکنیک‌های الگوریتمی پیشگامی را کشف کنید که می‌تواند فرصت‌های جدیدی را در محاسبه ریسک پیچیده ایجاد کند یاد بگیرید چگونه راه‌حل‌ها را برای طیف گسترده‌ای از محاسبات ریسک زندگی واقعی اعمال کنید. کد نمونه استفاده شده در کتاب را دانلود کنید، تا بتوانید محاسبات خود را دنبال کرده و آزمایش کنید و مدیریت ریسک بهبود یافته را درک کنید و در عین حال بر بار قدرت محاسباتی محدود غلبه کنید، متخصصان فناوری اطلاعات و مدیران ریسک مالی از این رویکرد پزشک‌محور برای بیان سود خواهند برد. -محاسبه ریسک پیشرفته

توضیحاتی درمورد کتاب به خارجی

State-of-the-art algorithmic deep learning and tensoring techniques for financial institutions The computational demand of risk calculations in financial institutions has ballooned and shows no sign of stopping. It is no longer viable to simply add more computing power to deal with this increased demand. The solution? Algorithmic solutions based on deep learning and Chebyshev tensors represent a practical way to reduce costs while simultaneously increasing risk calculation capabilities. Machine Learning for Risk Calculations: A Practitioner’s View provides an in-depth review of a number of algorithmic solutions and demonstrates how they can be used to overcome the massive computational burden of risk calculations in financial institutions. This book will get you started by reviewing fundamental techniques, including deep learning and Chebyshev tensors. You’ll then discover algorithmic tools that, in combination with the fundamentals, deliver actual solutions to the real problems financial institutions encounter on a regular basis. Numerical tests and examples demonstrate how these solutions can be applied to practical problems, including XVA and Counterparty Credit Risk, IMM capital, PFE, VaR, FRTB, Dynamic Initial Margin, pricing function calibration, volatility surface parametrisation, portfolio optimisation and others. Finally, you’ll uncover the benefits these techniques provide, the practicalities of implementing them, and the software which can be used. Review the fundamentals of deep learning and Chebyshev tensors Discover pioneering algorithmic techniques that can create new opportunities in complex risk calculation Learn how to apply the solutions to a wide range of real-life risk calculations. Download sample code used in the book, so you can follow along and experiment with your own calculations Realize improved risk management whilst overcoming the burden of limited computational power Quants, IT professionals, and financial risk managers will benefit from this practitioner-oriented approach to state-of-the-art risk calculation.