ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

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 Online Portfolio Selection: Principles and Algorithms

دانلود کتاب انتخاب نمونه کارها آنلاین: اصول و الگوریتم ها

Online Portfolio Selection: Principles and Algorithms

مشخصات کتاب

Online Portfolio Selection: Principles and Algorithms

ویرایش: [1 ed.] 
نویسندگان: ,   
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 

قیمت کتاب (تومان) : 43,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 5


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.


توضیحاتی درمورد کتاب به خارجی



فهرست مطالب

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





نظرات کاربران