Сейчас ищут:

Продажа Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум (Стефан Янсен)

  • Внимание!

    В данном разделе находятся курсы которые продаются за отдельную плату (контакты для покупки указаны внизу каждой темы).

    Премиум на такие темы не распространяется.

Admin

Команда форума
Администратор
Регистрация
15 Дек 2021
Сообщения
222,976
Реакции
1,270
Баллы
113
hixqclh-jpeg.182708




Пер. с англ. Логунов А. — СПб.: БХВ-Петербург, 2020. — 560 с. — ISBN 978-5-9775-6595-0.
Книга посвящена практике применения машинного обучения с целью создания мощных алгоритмических стратегий для успешной торговли на финансовых рынках. Изложены базовые принципы работы с данными: оценивание наборов данных, доступ к данным через API на языке Python, доступ к финансовым данным на платформе Quandl и управление ошибками предсказания.
Рассмотрены построение и тренировка алгоритмических моделей с помощью Python-библиотек pandas, Seaborn, StatsModels и sklearn и построение, оценка и интерпретация моделей AR(p), MA(q) и ARIMA(p, d, q) с использованием библиотеки StatsModels.
Описано применение библиотеки PyMC3 для байесового машинного обучения, библиотек NLTK, sklearn (Scikit-learn) и spaCy для назначения отметок финансовым новостям и классифицирования документов, библиотеки Keras для создания, настройки и оценки нейронных сетей прямого распространения, рекуррентных и сверточных сетей.
Показано, как применять трансферное обучение к данным спутниковых снимков для предсказания экономической активности и как эффективно использовать подкрепляемое обучение для достижения оптимальных результатов торговли.
Вы научитесь:
Реализовывать технические методы машинного обучения для решения инвестиционных и торговых задач
Использовать рыночные, фундаментальные и альтернативные данные с целью исследования альфа-факторов
Конструировать и тонко настраивать автоматически обучающиеся контролируемые, неконтролируемые и подкрепляемые модели
Оптимизировать портфельный риск и результативность с помощью библиотек pandas, NumPy и scikit-learn
Интегрировать автоматически обучающиеся модели в живую торговую стратегию на платформе Quantopian
Оценивать стратегии с использованием надежных методологий тестирования временных рядов
Конструировать и оценивать глубоко обучающиеся нейронные сети с помощью библиотек Keras, PyTorch и TensorFlow
Работать с подкрепляемым обучением для торговых стратегий на платформе OpenAI Gym
Формат: DJVU

👉 По поводу приобретения курса пишите в telegram - @SamFather_bot или на почту [email protected]
 

Вложения

  • HixQClh.jpeg
    HixQClh.jpeg
    65.5 KB · Просмотры: 2

Похожие темы

Сверху Снизу
Забыли свой пароль?
или Войдите с помощью