Uczenie przez wzmacnianie w finansach. Wprowadzenie z wykorzystaniem Pythona - Helion

ebook
Autor: Yves J. HilpischTytuł oryginału: Reinforcement Learning for Finance: A Python-Based Introduction
Tłumaczenie: Tomasz Walczak
ISBN: 978-83-289-2579-3
stron: 184, Format: ebook
Data wydania: 2025-09-01
Księgarnia: Helion
Cena książki: 39,50 zł (poprzednio: 79,00 zł)
Oszczędzasz: 50% (-39,50 zł)
Osoby które kupowały "Uczenie przez wzmacnianie w finansach. Wprowadzenie z wykorzystaniem Pythona", wybierały także:
- Django. Kurs video. Aplikacje webowe w Pythonie 119,00 zł, (23,80 zł -80%)
- Web scraping w Pythonie. Kurs video. Od pobrania kodu 199,00 zł, (39,80 zł -80%)
- Flask. Kurs video. Tworzenie REST API w Pythonie 139,00 zł, (27,80 zł -80%)
- Python od podstaw. Kurs video. Tworzenie pierwszych gier w PyCharm 128,95 zł, (25,79 zł -80%)
- Sztuczna inteligencja w Azure. Kurs video. Uczenie maszynowe i Azure Machine Learning Service 199,00 zł, (39,80 zł -80%)
Spis treści
Uczenie przez wzmacnianie w finansach. Wprowadzenie z wykorzystaniem Pythona eBook -- spis treści
Przedmowa
Część I. Podstawy
- 1. Uczenie się na podstawie interakcji
- Uczenie bayesowskie
- Rzuty niesymetryczną monetą
- Rzuty niesymetryczną kością
- Aktualizacje bayesowskie
- Uczenie przez wzmacnianie
- Najważniejsze przełomowe osiągnięcia
- Główne elementy składowe
- Deep Q-Learning (DQL)
- Podsumowanie
- Literatura
- Uczenie bayesowskie
- 2. Deep Q-learning
- Problemy decyzyjne
- Programowanie dynamiczne
- Q-Learning
- Przykłady z grą CartPole
- Środowisko gry
- Losowy agent
- Agent DQL
- Q-Learning a uczenie nadzorowane
- Podsumowanie
- Literatura
- 3. Algorytm Q-learning w finansach
- Środowisko Finance
- Agent DQL
- Miejsca, w których analogia zawodzi
- Ograniczona ilość danych
- Brak wpływu
- Podsumowanie
- Literatura
Część II. Rozszerzanie danych
- 4. Symulowane dane
- Szeregi czasowe z szumem
- Symulowane szeregi czasowe
- Podsumowanie
- Literatura
- Klasa Pythona DQLAgent
- 5. Dane generowane
- Prosty przykład
- Przykład finansowy
- Test Kołmogorowa-Smirnowa
- Podsumowanie
- Literatura
Część III. Zastosowania finansowe
- 6. Handel algorytmiczny
- Jeszcze o grze predykcyjnej
- Środowisko Trading
- Agent transakcyjny
- Podsumowanie
- Literatura
- Środowisko Finance
- Klasa DQLAgent
- Środowisko Simulation
- 7. Dynamiczny hedging
- Delta hedging
- Środowisko Hedging
- Agent do hedgingu
- Podsumowanie
- Literatura
- Wzór według modelu BSM (1973)
- 8. Dynamiczna alokacja w aktywa
- Podział między dwa fundusze
- Scenariusz z dwoma aktywami
- Scenariusz z trzema aktywami
- Portfel o równych wagach
- Podsumowanie
- Literatura
- Kod dla scenariusza z trzema aktywami
- 9. Optymalna realizacja zleceń
- Model
- Implementacja modelu
- Środowisko realizacji transakcji
- Agent losowy
- Agent do realizacji transakcji
- Podsumowanie
- Literatura
- 10. Uwagi końcowe
- Literatura





