Título :	Implementing Machine Learning for Finance : A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios
Tipo de documento:	documento electrónico
Autores:	Nokeri, Tshepo Chris, Autor
Mención de edición:	1 ed.
Editorial:	Berkeley, CA : Apress
Fecha de publicación:	2021
Número de páginas:	XVIII, 182 p. 53 ilustraciones
ISBN/ISSN/DL:	978-1-4842-7110-0
Nota general:	Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave:	Ingeniería financiera  Tecnología e Innovación Financiera  Aprendizaje automático  Python (lenguaje de programa informático)  Pitón
Índice Dewey:	006.31 Máquina de aprendizaje
Resumen:	Reúna el aprendizaje automático ()ML) y el aprendizaje profundo (DL) en el comercio financiero, con énfasis en la gestión de inversiones. Este libro explica enfoques sistemáticos para la gestión de carteras de inversiones, el análisis de riesgos y el análisis de desempeño, incluido el análisis predictivo que utiliza procedimientos de ciencia de datos. El libro presenta el reconocimiento de patrones y el pronóstico de precios futuros que ejerce efectos en los modelos de análisis de series de tiempo, como el modelo de media móvil integrada autorregresiva (ARIMA), el modelo ARIMA estacional (SARIMA) y el modelo aditivo, y cubre el modelo de mínimos cuadrados y el Modelo de memoria larga a corto plazo (LSTM). Presenta reconocimiento de patrones ocultos y predicción del régimen de mercado aplicando el modelo gaussiano oculto de Markov. El libro cubre la aplicación práctica del modelo K-Means en la agrupación de acciones. Establece la aplicación práctica del método de Varianza-Covarianza y del método de Simulación (utilizando Simulación Monte Carlo) para la estimación del valor en riesgo. También incluye la clasificación de la dirección del mercado utilizando tanto el clasificador logístico como el clasificador de perceptrón multicapa. Finalmente, el libro presenta análisis de desempeño y riesgo para carteras de inversión. Al final de este libro, debería poder explicar cómo funciona el comercio algorítmico y su aplicación práctica en el mundo real, y saber cómo aplicar modelos de ML y DL supervisados ​​y no supervisados ​​para reforzar la toma de decisiones de inversión e implementar y optimizar estrategias de inversión. sistemas. Usted: Comprenderá los fundamentos del mercado financiero y el comercio algorítmico, así como los modelos de aprendizaje supervisados ​​y no supervisados ​​que son apropiados para la gestión sistemática de carteras de inversiones. Conocerá los conceptos de ingeniería de características, visualización de datos y optimización de hiperparámetros. Diseñará, construirá y probará de forma supervisada. y modelos ML y DL no supervisados ​​Descubra la estacionalidad, las tendencias y los regímenes de mercado, simulando un cambio en el mercado y problemas de estrategia de inversión y prediciendo la dirección y los precios del mercado. Estructurar y optimizar una cartera de inversiones con clases de activos preeminentes y medir el riesgo subyacente.
Nota de contenido:	Chapter 1: Introduction to Financial Markets and Algorithmic Trading -- Chapter 2: Forecasting Using ARIMA, SARIMA, and the Additive Model -- Chapter 3: Univariate Time Series Using Recurrent Neural Nets -- Chapter 4: Discover Market Regimes -- Chapter 5: Stock Clustering -- Chapter 6: Future Price Prediction Using Linear Regression -- Chapter 7: Stock Market Simulation -- Chapter 8: Market Trend Classification Using ML and DL -- Chapter 9: Investment Portfolio and Risk Analysis.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

Implementing Machine Learning for Finance : A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios [documento electrónico] / Nokeri, Tshepo Chris, Autor  . -  1 ed.  . - Berkeley, CA : Apress, 2021 . - XVIII, 182 p. 53 ilustraciones.
ISBN : 978-1-4842-7110-0
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.

Palabras clave:	Ingeniería financiera  Tecnología e Innovación Financiera  Aprendizaje automático  Python (lenguaje de programa informático)  Pitón
Índice Dewey:	006.31 Máquina de aprendizaje
Resumen:	Reúna el aprendizaje automático ()ML) y el aprendizaje profundo (DL) en el comercio financiero, con énfasis en la gestión de inversiones. Este libro explica enfoques sistemáticos para la gestión de carteras de inversiones, el análisis de riesgos y el análisis de desempeño, incluido el análisis predictivo que utiliza procedimientos de ciencia de datos. El libro presenta el reconocimiento de patrones y el pronóstico de precios futuros que ejerce efectos en los modelos de análisis de series de tiempo, como el modelo de media móvil integrada autorregresiva (ARIMA), el modelo ARIMA estacional (SARIMA) y el modelo aditivo, y cubre el modelo de mínimos cuadrados y el Modelo de memoria larga a corto plazo (LSTM). Presenta reconocimiento de patrones ocultos y predicción del régimen de mercado aplicando el modelo gaussiano oculto de Markov. El libro cubre la aplicación práctica del modelo K-Means en la agrupación de acciones. Establece la aplicación práctica del método de Varianza-Covarianza y del método de Simulación (utilizando Simulación Monte Carlo) para la estimación del valor en riesgo. También incluye la clasificación de la dirección del mercado utilizando tanto el clasificador logístico como el clasificador de perceptrón multicapa. Finalmente, el libro presenta análisis de desempeño y riesgo para carteras de inversión. Al final de este libro, debería poder explicar cómo funciona el comercio algorítmico y su aplicación práctica en el mundo real, y saber cómo aplicar modelos de ML y DL supervisados ​​y no supervisados ​​para reforzar la toma de decisiones de inversión e implementar y optimizar estrategias de inversión. sistemas. Usted: Comprenderá los fundamentos del mercado financiero y el comercio algorítmico, así como los modelos de aprendizaje supervisados ​​y no supervisados ​​que son apropiados para la gestión sistemática de carteras de inversiones. Conocerá los conceptos de ingeniería de características, visualización de datos y optimización de hiperparámetros. Diseñará, construirá y probará de forma supervisada. y modelos ML y DL no supervisados ​​Descubra la estacionalidad, las tendencias y los regímenes de mercado, simulando un cambio en el mercado y problemas de estrategia de inversión y prediciendo la dirección y los precios del mercado. Estructurar y optimizar una cartera de inversiones con clases de activos preeminentes y medir el riesgo subyacente.
Nota de contenido:	Chapter 1: Introduction to Financial Markets and Algorithmic Trading -- Chapter 2: Forecasting Using ARIMA, SARIMA, and the Additive Model -- Chapter 3: Univariate Time Series Using Recurrent Neural Nets -- Chapter 4: Discover Market Regimes -- Chapter 5: Stock Clustering -- Chapter 6: Future Price Prediction Using Linear Regression -- Chapter 7: Stock Market Simulation -- Chapter 8: Market Trend Classification Using ML and DL -- Chapter 9: Investment Portfolio and Risk Analysis.
En línea:	https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]
Link:	https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i