reklama - zainteresowany?

Sztuczna inteligencja w finansach. U - Helion

Sztuczna inteligencja w finansach. U
Autor: Yves Hilpisch
Tytuł oryginału: Artificial Intelligence in Finance: A Python-Based Guide
Tłumaczenie: Tomasz Walczak
ISBN: 978-83-283-8893-2
stron: 455, Format: 168x237, okładka: mi
Księgarnia: Helion

Książka będzie dostępna od kwietnia 2022

Tagi: Python - Programowanie | Uczenie maszynowe

W

 

Zobacz także:

  • Django 4. Praktyczne tworzenie aplikacji sieciowych. Wydanie IV
  • Flask. Kurs video. Od pierwszej linijki kodu do praktycznego zastosowania
  • Python na start. Kurs video. Tw
  • Python. Kurs video. Programowanie asynchroniczne
  • Flask. Kurs video. Stw

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 zadań
    • Rodzaje podejść
  • Sieci neuronowe
    • Regresja metodą najmniejszych kwadratów (regresja OLS)
    • Estymacja z wykorzystaniem sieci neuronowych
    • Klasyfikowanie z użyciem sieci neuronowych
  • Znaczenie danych
    • Mały zbiór danych
    • Większe zbiory danych
    • Duże zbiory danych
  • Wnioski
  • Literatura cytowana

2. Superinteligencja

  • Historie sukcesu
    • Atari
    • Go
    • Szachy
  • Znaczenie sprzętu
  • Postacie inteligencji
  • Drogi do superinteligencji
    • Sieci i organizacje
    • Usprawnienia biologiczne
    • Hybrydy mózg-maszyna
    • Emulacja całego 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
    • Przykład liczbowy
  • Teoria oczekiwanej użyteczności
    • Założenia i wyniki
    • Przykład liczbowy
  • Model Markowitza
    • Założenia i wyniki
    • Przykład liczbowy
  • Model wyceny dóbr kapitałowych
    • Założenia i wyniki
    • Przykład liczbowy
  • Teoria wyceny arbitrażowej
    • Założenia i wyniki
    • Przykład liczbowy
  • Wnioski
  • Literatura cytowana

4. Finanse sterowane danymi

  • Metoda naukowa
  • Ekonometria finansowa i regresja
  • Dostępność 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 kapitałowych
    • Teoria wyceny arbitrażowej
  • Obalanie podstawowych założeń
    • Rozkład normalny stóp zwrotu
    • Zależności 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 bazujące na sztucznej inteligencji

  • Efektywne rynki
  • Predykcje rynkowe na podstawie stóp zwrotu
  • Predykcje rynkowe z wykorzystaniem większej 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 przykład
  • Drugi przykład
  • Finansowe szeregi czasowe
  • Finansowe szeregi czasowe ze stopami zwrotu
  • Cechy finansowe
    • Estymacja
    • Klasyfikacja
    • Głębokie rekurencyjne sieci neuronowe
  • Wnioski
  • Literatura cytowana

9. Uczenie przez wzmacnianie

  • Podstawowe zagadnienia
  • OpenAI Gym
  • Agent bazujący na metodzie Monte Carlo
  • Agent bazujący na sieci neuronowej
  • Agent DQL
  • Proste środowisko finansowe
  • Lepsze środowisko finansowe
    • Różne rodzaje środowisk i danych
  • Agent FQL
  • Wnioski
  • Literatura cytowana

Część IV. Handel algorytmiczny

10. Wektorowe testy historyczne

  • Testy historyczne strategii bazującej na prostych średnich kroczących
  • Testy historyczne dziennej strategii bazującej na gęstej sieci neuronowej
  • Testy historyczne strategii daytradingu bazującej na gęstej sieci neuronowej
  • Wnioski
  • Literatura cytowana

11. Zarządzanie ryzykiem

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

12. Realizowanie zleceń i stosowanie systemu

  • Konto w platformie Oanda
  • Pobieranie danych
  • Realizacja zleceń
  • Bot handlowy
  • Stosowanie systemu
  • Wnioski
  • Literatura cytowana
  • Kod w Pythonie
    • Środowisko platformy Oanda
    • Zwektoryzowane testy historyczne
    • Bot handlowy działający w platformie Oanda

Część V. Perspektywy

13. Konkurencja bazująca na sztucznej inteligencji

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

14. Osobliwość finansowa

  • Uwagi i definicje
  • O co toczy się gra?
  • Drogi do osobliwości finansowej
  • Niezależne umiejętności i zasoby
  • Scenariusze "przedtem" i "potem"
  • Wnioski
  • Literatura cytowana

Dodatki

A. Interaktywne sieci neuronowe

  • Tensory i operacje na tensorach
  • Proste sieci neuronowe
    • Estymacja
    • Klasyfikacja
  • Płytkie sieci neuronowe
    • Estymacja
    • Klasyfikacja
  • Literatura cytowana

B. Klasy do tworzenia sieci neuronowych

  • Funkcje aktywacji
  • Proste sieci neuronowe
    • Estymacja
    • Klasyfikacja
  • Płytkie sieci neuronowe
    • Estymacja
    • Klasyfikacja
  • Prognozowanie kierunku rynku

C. Konwolucyjne sieci neuronowe

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

Skorowidz

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2025 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.