Blueprints de aprendizado de máquina e ciência de dados para finanças
desenvolvendo desde estratégias de trades até robôs Advisors com Python

Tatsat, Hariom (Autor) - Hariom Tatsat é vice-presidente da Divisão de Análise Quantitativa em um banco de investimentos em Nova York. Tem vasta experiência em modelagem preditiva, precificação de instrumentos financeiros e gestão de risco. ; Puri, Sahil (Autor) - Sahil Puri é pesquisador quantitativo. Ele aplica diversas técnicas estatísticas e de aprendizado de máquina a uma ampla variedade de problemas. ; Lookabaugh, Brad (Autor) - Brad Lookabaugh é vice-presidente de gestão de portfólios na Unison lnvestment Management.; Streicher, Alberto (Tradutor)

Aplicações, Aprendizado de Máquina, ML, Finanças, Machine Learning, Robôs, Advisors, Análise, Deep Learning, ChatBots, Segurança, Dinheiro, Data Science, Ciência de Dados, Linguagem Natural, Neural, Python, Blueprints, Arquitetura de Software, Keras, Nuvem, Modelos, Valor, Investimentos, Trading, COMPUTADORES / Computação em Nuvem

Sinopse

Blueprints de Aprendizado de Máquina e Ciência de Dados para Finanças
O aprendizado de máquina e a ciência de dados transformarão significativamente o setor financeiro nos próximos anos. Com este guia prático, os profissionais de fundos de hedge, investi­mentos e bancos de varejo, bem como as fintechs, aprenderão a criar algoritmos de AM (aprendizado de máquina) cruciais para o setor. Você examinará conceitos de AM e mais de vinte estudos de caso sobre aprendizado supervisionado, não supervisionado e por reforço, bem como sobre o processamento de linguagem natural (PLN).
Analistas, traders, pesquisadores e desenvolvedores também mergulharão na gestão de portfólios, no trading algorítmico, na precificação de derivativos, na detecção de fraudes, na previ­são de preços de ativos, na análise de sentimento e no desen­volvimento de chatbots. Você explorará problemas da vida real e aprenderá soluções cientificamente sólidas e sustentadas por códigos e exemplos.
Este livro inclui:
• Modelos de aprendizado supervisionado baseado em regressão para estratégias de tradings e precificação de derivativos.
• Modelos de aprendizado supervisionado baseado em classificação para a previsão de risco de inadimplência de cré dito e detecção de fraudes.
• Técnicas de redução de dimensionalidade, com estudos de caso sobre gestão de portfólios e criação de uma yield curve.
• Estudos de caso usando algoritmos e técnicas de agrupamento para encontrar objetos semelhantes em estratégias de trading e gestão de portfólios.
• Modelos de aprendizado por reforço e técnicas para desenvolver estratégias de trading, hedge de derivativos e gestão portfólios.
• Técnicas de PLN usando bibliotecas Python, como NLTK e Scikit-learn.

Metadado adicionado por Editora Alta Books em 11/09/2024

Encontrou alguma informação errada? Perguntar para a Editora Alta Books

ISBN relacionados

9788550821726 (ISBN do e-book em ePUB)

Metadados completos: