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 ed.] نویسندگان: Bin Li (Author), Steven Chu Hong Hoi (Author) سری: ISBN (شابک) : 9781482249637, 9781351230438 ناشر: CRC Press سال نشر: 2016 تعداد صفحات: [227] زبان: فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
در صورت تبدیل فایل کتاب Online Portfolio Selection: Principles and Algorithms 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 انتخاب نمونه کارها آنلاین: اصول و الگوریتم ها 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.
I: INTRODUCTION
Introduction
Background
What Is Online Portfolio Selection?
Methodology
Book Overview
Problem Formulation
Problem Settings
Transaction Costs and Margin Buying Models
Evaluation
Summary
II: Principles
Benchmarks
Buy-and-Hold Strategy
Best Stock Strategy
Constant Rebalanced Portfolios
Follow the Winner
Universal Portfolios
Exponential Gradient
Follow the Leader
Follow the Regularized Leader
Summary
Follow the Loser
Mean Reversion
Anticorrelation
Summary
Pattern Matching
Sample Selection Techniques
Portfolio Optimization Techniques
Combinations
Summary
Meta-Learning
Aggregating Algorithms
Fast Universalization
Online Gradient and Newton Updates
Follow the Leading History
Summary
III: Algorithms
Correlation-Driven Nonparametric Learning
Preliminaries
Formulations
Algorithms
Analysis
Summary
Passive–Aggressive Mean Reversion
Preliminaries
Formulations
Algorithms
Analysis
Summary
Confidence-Weighted Mean Reversion
Preliminaries
Formulations
Algorithms
Analysis
Summary
Online Moving Average Reversion
Preliminaries
Formulations
Algorithms
Analysis
Summary
IV: Empirical Studies
Implementations
The OLPS Platform
Data
Setups
Performance Metrics
Summary
Empirical Results
Experiment 1: Evaluation of Cumulative Wealth
Experiment 2: Evaluation of Risk and Risk-Adjusted Return
Experiment 3: Evaluation of Parameter Sensitivity
Experiment 4: Evaluation of Practical Issues
Experiment 5: Evaluation of Computational Time
Experiment 6: Descriptive Analysis of Assets and Portfolios
Summary
Threats to Validity
On Model Assumptions
On Mean Reversion Assumptions
On Theoretical Analysis
On Back-Tests
Summary
V: Conclusion
Conclusions
Future Directions
Appendix A: OLPS: A Toolbox for Online Portfolio Selection
Introduction
Framework and Interfaces
Strategies
Summary
Appendix B: Proofs and Derivations
Proof of CORN
Derivations of PAMR
Derivations of CWMR
Derivation of OLMAR
Appendix C: Supplementary Data and Portfolio Statistics
Bibliography
Index