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: 1 نویسندگان: Anthony Brabazon, Michael O’Neill (auth.), Dr. Anthony Brabazon, Dr. Michael O’Neill (eds.) سری: Studies in Computational Intelligence 100 ISBN (شابک) : 9783540774761, 9783540774778 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2008 تعداد صفحات: 294 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب محاسبات طبیعی در امور مالی محاسباتی: کاربرد ریاضیات/روش های محاسباتی مهندسی، هوش مصنوعی (شامل رباتیک)، اقتصاد عمومی
در صورت تبدیل فایل کتاب Natural Computing in Computational 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 محاسبات طبیعی در امور مالی محاسباتی 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.
محاسبات طبیعی در امور مالی محاسباتی یک جلد نوآورانه شامل پانزده فصل است که کاربردهای پیشرفته محاسبات طبیعی یا مدلسازی مبتنی بر عامل را در امور مالی محاسباتی مدرن نشان میدهد. پس از یک فصل مقدماتی، کتاب در سه بخش تنظیم شده است. بخش اول به کاربردهای بهینهسازی محاسبات طبیعی میپردازد که کاربرد طیف گستردهای از الگوریتمها از جمله الگوریتمهای ژنتیک، تکامل دیفرانسیل، استراتژیهای تکامل، الگوریتمهای تکاملی الهامگرفته از کوانتومی و الگوریتمهای علوفهجویی باکتریها را برای کاربردهای مالی متعدد از جمله بهینهسازی پورتفولیو، تخصیص سرمایه و قیمت گذاری دارایی بخش دوم استفاده از روشهای محاسباتی طبیعی مانند برنامهریزی ژنتیکی، هیبریدهای شبکه عصبی و هیبریدهای فازی-تکاملی را برای القای مدل به منظور ساختن معاملات بازار، امتیازدهی اعتبار و سیستمهای پیشبینی بازار بررسی میکند. بخش آخر طیفی از کاربردهای مبتنی بر عامل از جمله مدلسازی کارت پرداخت و بازارهای مالی را نشان میدهد. هر فصل مقدمهای بر روششناسی محاسبات طبیعی مربوطه و همچنین توضیح واضحی از کاربرد مالی مورد بررسی ارائه میدهد.
این کتاب به گونهای نوشته شده است که برای مخاطبان گسترده و قابل دسترسی باشد. باید در زمینههای محاسبات طبیعی و مالی مورد علاقه پزشکان، دانشگاهیان و دانشجویان باشد.
Natural Computing in Computational Finance is a innovative volume containing fifteen chapters which illustrate cutting-edge applications of natural computing or agent-based modeling in modern computational finance. Following an introductory chapter the book is organized into three sections. The first section deals with optimization applications of natural computing demonstrating the application of a broad range of algorithms including, genetic algorithms, differential evolution, evolution strategies, quantum-inspired evolutionary algorithms and bacterial foraging algorithms to multiple financial applications including portfolio optimization, fund allocation and asset pricing. The second section explores the use of natural computing methodologies such as genetic programming, neural network hybrids and fuzzy-evolutionary hybrids for model induction in order to construct market trading, credit scoring and market prediction systems. The final section illustrates a range of agent-based applications including the modeling of payment card and financial markets. Each chapter provides an introduction to the relevant natural computing methodology as well as providing a clear description of the financial application addressed.
The book was written to be accessible to a wide audience and should be of interest to practitioners, academics and students, in the fields of both natural computing and finance.
Front Matter....Pages I-X
Natural Computing in Computational Finance: An Introduction....Pages 1-4
Constrained Index Tracking under Loss Aversion Using Differential Evolution....Pages 7-24
An Evolutionary Approach to Asset Allocation in Defined Contribution Pension Schemes....Pages 25-51
Evolutionary Strategies for Building Risk-Optimal Portfolios....Pages 53-65
Evolutionary Stochastic Portfolio Optimization....Pages 67-87
Non-linear Principal Component Analysis of the Implied Volatility Smile using a Quantum-inspired Evolutionary Algorithm....Pages 89-107
Estimation of an EGARCH Volatility Option Pricing Model using a Bacteria Foraging Optimisation Algorithm....Pages 109-127
Fuzzy-Evolutionary Modeling for Single-Position Day Trading....Pages 131-159
Strong Typing, Variable Reduction and Bloat Control for Solving the Bankruptcy Prediction Problem Using Genetic Programming....Pages 161-185
Using Kalman-filtered Radial Basis Function Networks for Index Arbitrage in the Financial Markets....Pages 187-195
On Predictability and Profitability: Would GP Induced Trading Rules be Sensitive to the Observed Entropy of Time Series?....Pages 197-210
Hybrid Neural Systems in Exchange Rate Prediction....Pages 211-230
Evolutionary Learning of the Optimal Pricing Strategy in an Artificial Payment Card Market....Pages 233-251
Can Trend Followers Survive in the Long-Run% Insights from Agent-Based Modeling....Pages 253-269
Co-Evolutionary Multi-Agent System for Portfolio Optimization....Pages 271-299
Back Matter....Pages 301-303