W

Zobacz także:

• Flask. Kurs video. Od pierwszej linijki kodu do praktycznego zastosowania 119,00 zÅ‚, (47,60 zÅ‚ -60%)
• Python na start. Kurs video. Tw 99,00 zÅ‚, (39,60 zÅ‚ -60%)
• Python. Kurs video. Programowanie asynchroniczne 97,32 zÅ‚, (39,90 zÅ‚ -59%)
• Sztuczna inteligencja w Azure. Kurs video. Uczenie maszynowe i Azure Machine Learning Service 198,98 zÅ‚, (89,54 zÅ‚ -55%)
• Django w pigu 89,00 zÅ‚, (40,05 zÅ‚ -55%)

Spis treści

Sztuczna inteligencja w finansach. Używaj języka Python do projektowania i wdrażania algorytmów AI -- spis treści

Przedmowa

Część I. Inteligencja maszynowa

1. Sztuczna inteligencja

• Algorytmy
  • Rodzaje danych
  • Rodzaje uczenia
  • Rodzaje zadaÅ„
  • Rodzaje podejść
• Sieci neuronowe
  • Regresja metodÄ… najmniejszych kwadratów (regresja OLS)
  • Estymacja z wykorzystaniem sieci neuronowych
  • Klasyfikowanie z użyciem sieci neuronowych
• Znaczenie danych
  • MaÅ‚y zbiór danych
  • WiÄ™ksze zbiory danych
  • Duże zbiory danych
• Wnioski
• Literatura cytowana

2. Superinteligencja

• Historie sukcesu
  • Atari
  • Go
  • Szachy
• Znaczenie sprzÄ™tu
• Postacie inteligencji
• Drogi do superinteligencji
  • Sieci i organizacje
  • Usprawnienia biologiczne
  • Hybrydy mózg-maszyna
  • Emulacja caÅ‚ego mózgu
  • Sztuczna inteligencja
• Eksplozja inteligencji
• Cele i kontrola
  • Superinteligencja i cele
  • Superinteligencja i kontrola
• Możliwe skutki
• Wnioski
• Literatura cytowana

Część II. Finanse i uczenie maszynowe

3. Finanse normatywne

• Niepewność i ryzyko
  • Definicje
  • PrzykÅ‚ad liczbowy
• Teoria oczekiwanej użytecznoÅ›ci
  • ZaÅ‚ożenia i wyniki
  • PrzykÅ‚ad liczbowy
• Model Markowitza
  • ZaÅ‚ożenia i wyniki
  • PrzykÅ‚ad liczbowy
• Model wyceny dóbr kapitaÅ‚owych
  • ZaÅ‚ożenia i wyniki
  • PrzykÅ‚ad liczbowy
• Teoria wyceny arbitrażowej
  • ZaÅ‚ożenia i wyniki
  • PrzykÅ‚ad liczbowy
• Wnioski
• Literatura cytowana

4. Finanse sterowane danymi

• Metoda naukowa
• Ekonometria finansowa i regresja
• DostÄ™pność danych
  • Programowe API
  • Ustrukturyzowane dane historyczne
  • Ustrukturyzowane dane strumieniowe
  • Nieustrukturyzowane dane historyczne
  • Nieustrukturyzowane dane strumieniowe
  • Dane alternatywne
• Jeszcze o teoriach normatywnych
  • Oczekiwana użyteczność a rzeczywistość
  • Model Markowitza
  • Model wyceny dóbr kapitaÅ‚owych
  • Teoria wyceny arbitrażowej
• Obalanie podstawowych zaÅ‚ożeÅ„
  • RozkÅ‚ad normalny stóp zwrotu
  • ZależnoÅ›ci liniowe
• Wnioski
• Literatura cytowana
• Kod w Pythonie

5. Uczenie maszynowe

• Uczenie
• Dane
• Sukces
• Pojemność
• Ocena
• Obciążenie i wariancja
• Sprawdzian krzyżowy
• Wnioski
• Literatura cytowana

6. Finanse bazujÄ…ce na sztucznej inteligencji

• Efektywne rynki
• Predykcje rynkowe na podstawie stóp zwrotu
• Predykcje rynkowe z wykorzystaniem wiÄ™kszej liczby cech
• Predykcje rynkowe w trakcie przebiegu sesji
• Wnioski
• Literatura cytowana

Część III. Nieefektywność statystyczna

7. Gęste sieci neuronowe

• Dane
• Predykcje bazowe
• Normalizacja
• Dropout
• Regularyzacja
• Bagging
• Optymalizatory
• Wnioski
• Literatura cytowana

8. Rekurencyjne sieci neuronowe

• Pierwszy przykÅ‚ad
• Drugi przykÅ‚ad
• Finansowe szeregi czasowe
• Finansowe szeregi czasowe ze stopami zwrotu
• Cechy finansowe
  • Estymacja
  • Klasyfikacja
  • GÅ‚Ä™bokie rekurencyjne sieci neuronowe
• Wnioski
• Literatura cytowana

9. Uczenie przez wzmacnianie

• Podstawowe zagadnienia
• OpenAI Gym
• Agent bazujÄ…cy na metodzie Monte Carlo
• Agent bazujÄ…cy na sieci neuronowej
• Agent DQL
• Proste Å›rodowisko finansowe
• Lepsze Å›rodowisko finansowe
  • Różne rodzaje Å›rodowisk i danych
• Agent FQL
• Wnioski
• Literatura cytowana

Część IV. Handel algorytmiczny

10. Wektorowe testy historyczne

• Testy historyczne strategii bazujÄ…cej na prostych Å›rednich kroczÄ…cych
• Testy historyczne dziennej strategii bazujÄ…cej na gÄ™stej sieci neuronowej
• Testy historyczne strategii daytradingu bazujÄ…cej na gÄ™stej sieci neuronowej
• Wnioski
• Literatura cytowana

11. ZarzÄ…dzanie ryzykiem

• Bot handlowy
• Zwektoryzowane testy historyczne
• Testy historyczne bazujÄ…ce na zdarzeniach
• Ocena ryzyka
• Testy historyczne zleceÅ„ obronnych
  • Zlecenia stop loss (SL)
  • Zlecenia trailing stop loss (TSL)
  • Zlecenia take profit (TP)
• Wnioski
• Literatura cytowana
• Kod w Pythonie
  • Åšrodowisko Finance
  • Bot handlowy
  • Klasa BacktestingBase
  • Klasa do przeprowadzania testów historycznych

12. Realizowanie zleceń i stosowanie systemu

• Konto w platformie Oanda
• Pobieranie danych
• Realizacja zleceÅ„
• Bot handlowy
• Stosowanie systemu
• Wnioski
• Literatura cytowana
• Kod w Pythonie
  • Åšrodowisko platformy Oanda
  • Zwektoryzowane testy historyczne
  • Bot handlowy dziaÅ‚ajÄ…cy w platformie Oanda

Część V. Perspektywy

13. Konkurencja bazujÄ…ca na sztucznej inteligencji

• Sztuczna inteligencja i finanse
• Brak standaryzacji
• Edukacja i szkolenia
• Rywalizacja o zasoby
• WpÅ‚yw na rynek
• Scenariusze rywalizacji
• Zagrożenia, regulacje i nadzór
• Wnioski
• Literatura cytowana

14. Osobliwość finansowa

• Uwagi i definicje
• O co toczy siÄ™ gra?
• Drogi do osobliwoÅ›ci finansowej
• Niezależne umiejÄ™tnoÅ›ci i zasoby
• Scenariusze "przedtem" i "potem"
• Wnioski
• Literatura cytowana

Dodatki

A. Interaktywne sieci neuronowe

• Tensory i operacje na tensorach
• Proste sieci neuronowe
  • Estymacja
  • Klasyfikacja
• PÅ‚ytkie sieci neuronowe
  • Estymacja
  • Klasyfikacja
• Literatura cytowana

B. Klasy do tworzenia sieci neuronowych

• Funkcje aktywacji
• Proste sieci neuronowe
  • Estymacja
  • Klasyfikacja
• PÅ‚ytkie sieci neuronowe
  • Estymacja
  • Klasyfikacja
• Prognozowanie kierunku rynku

C. Konwolucyjne sieci neuronowe

• Cechy i etykiety
• Uczenie modelu
• Testowanie modelu
• Literatura cytowana

Skorowidz