金融機器學習與資料科學藍圖 (Machine Learning and Data Science Blueprints for Finance: From Building Trading Strategies to Robo-Advisors Using Python)
Hariom Tatsat, Sahil Puri, Brad Lookabaugh 著 張耀鴻 譯
- 出版商: 歐萊禮 : 中文書展｜任選2書77折 滿999送企鵝帆布袋
- 出版日期: 2022-04-18
- 定價: $780
- 售價: 7.9 折 $616
- 語言: 繁體中文
- 頁數: 440
- 裝訂: 平裝
- ISBN: 6263240628
- ISBN-13: 9786263240629
-
相關分類:
Machine Learning、Data Science
- 此書翻譯自: Machine Learning and Data Science Blueprints for Finance: From Building Trading Strategies to Robo-Advisors Using Python
立即出貨 (庫存 > 10)
買這商品的人也買了...
-
Python 金融分析, 2/e (Python for Finance, 2/e)$980$774 -
深度學習圖解 (Grokking Deep Learning)$594$564 -
機器學習｜特徵工程 (Feature Engineering for Machine Learning)$520$411 -
深度學習的數學：用數學開啟深度學習的大門 (書況略舊,不介意在下單)$500$390 -
Statistics Hacks 統計學駭客 75招 (Statistics Hacks)$580$458 -
金融人才 × 機器學習聯手出擊：專為 FinTech 領域打造的機器學習指南 (Machine Learning for Finance)$690$538 -
資料密集型應用系統設計 (Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems)$980$774 -
金融AI｜人工智慧的金融應用$880$695 -
深入淺出 Embedding：原理解析與應用實踐$594$564 -
Python 演算法交易 (Python for Algorithmic Trading)$680$537 -
深度學習實務應用｜雲端、行動與邊緣裝置 (Practical Deep Learning for Cloud, Mobile and Edge)$880$695 -
跟著 Docker 隊長，修練 22天就精通 - 搭配 20小時作者線上教學，無縫接軌 Microservices、Cloud-native、Serverless、DevOps 開發架構$880$695 -
機器學習的統計基礎 : 深度學習背後的核心技術$680$537 -
流程自動化實務｜微服務和雲端原生架構中的協調與整合 (Practical Process Automation: Orchestration and Integration in Microservices and Cloud Native Architectures)$580$458 -
行為改變科學的實務設計｜活用心理學與行為經濟學, 2/e (Designing for Behavior Change, 2/e)$680$537 -
精通資料分析｜使用 Excel、Python 和 R (Advancing Into Analytics: From Excel to Python and R)$520$411 -
Azure DevOps 顧問實戰$500$375 -
JavaScript 多執行緒｜超越事件迴圈的並行 (Multithreaded JavaScript)$580$458 -
PyTorch 深度學習入門與應用：必備實作知識與工具一本就學會$600$468 -
會動的演算法：61 個演算法動畫＋全圖解逐步拆解，人工智慧、資料分析必備$620$527 -
玩真的！Git ✕ GitHub 實戰手冊 - coding 實境、協同開發、雲端同步, 用最具臨場感的開發實例紮實學會！ (Git for Programmers)$580$493 -
Google 的軟體工程之道｜從程式設計經驗中吸取教訓 (Software Engineering at Google)$880$695 -
Hacking APIs｜剖析 Web API 漏洞攻擊技法$580$435 -
資料科學基礎數學 (Essential Math for Data Science)$680$537 -
金融風險管理的機器學習應用｜使用 Python (Machine Learning for Financial Risk Management with Python: Algorithms for Modeling Risk)$680$537
相關主題
商品描述
從建構交易策略到使用Python的機器人投資顧問
機器學習和資料科學將在未來幾年顯著改變金融業。透過本實用指南，避險基金、投資和零售銀行以及金融科技公司的專業人士將學到如何建構對該行業極為關重要的ML演算法。您將研究ML概念和20多個案例研究，包括了監督式、非監督式和強化學習，以及自然語言處理(natural language processing, NLP)。
分析師、交易員、研究人員和開發人員還將深入研究投資組合管理、演算法交易、衍生性商品定價、詐欺偵測、資產價格預測、情緒分析和聊天機器人開發。您將探索現實生活中的問題，並學習以程式碼和範例作為後盾的科學上合理的解決方案。
本書包括：
‧基於迴歸的監督式學習交易策略和衍生性商品定價模型
‧基於分類的監督式學習信用違約風險預測與詐欺偵測模型
‧投資組合管理與收益率曲線建構中的降維技術及實例研究
‧利用演算法和分群技術尋找交易策略和投資組合管理中相似物件的案例研究
‧建立交易策略的強化學習模型和技巧，衍生性商品避險和投資組合管理
‧使用Python函式庫(例如NLTK和Scikit-learn)的NLP技術
作者簡介
Hariom Tatsat 是紐約一家投資銀行計量分析部門的副總裁。他在預測建模、金融商品定價和風險管理方面擁有豐富的經驗。
Sahil Puri 是一位計量研究人員，他將多種基於統計和機器學習的技術應用於各式各樣的問題。
Brad Lookabaugh 是Unison投資管理公司投資組合管理副總裁。
