Apprendimento automatico e scienza dei dati per la finanza: Dalla costruzione di strategie di trading ai robo-consulenti con Python

Recensioni dei lettori

Il libro è una risorsa completa sull'apprendimento automatico e sulle applicazioni dell'IA in finanza, apprezzata per l'approccio pratico, l'ampia copertura degli argomenti e gli utili casi di studio con esempi di codice. È consigliato sia ai professionisti della finanza che agli studenti, ma alcune critiche sottolineano problemi significativi con contenuti obsoleti, illustrazioni non corrette e una presentazione in bianco e nero.

⬤ Copertura completa delle applicazioni ML/AI in finanza.
⬤ Approccio pratico e pratico con utili casi di studio ed esempi di codice.
⬤ Ottimo sia per i principianti che per i data scientist esperti.
⬤ Ben strutturato e facile da seguire.
⬤ Il codice di supporto disponibile su GitHub migliora l'usabilità.

⬤ Alcuni contenuti sono obsoleti e richiedono aggiornamenti del codice.
⬤ Sono state notate illustrazioni errate in alcuni capitoli.
⬤ Alcuni lettori hanno ricevuto una versione in bianco e nero, riducendo l'efficacia del materiale visivo.
⬤ Alcune spiegazioni di alto livello mancano di profondità rispetto alle informazioni disponibili altrove.

(basato su 19 recensioni dei lettori)

Titolo originale:

Machine Learning and Data Science Blueprints for Finance: From Building Trading Strategies to Robo-Advisors Using Python

Contenuto del libro:

Nei prossimi decenni, l'apprendimento automatico e la scienza dei dati trasformeranno il settore finanziario. Con questo libro pratico, analisti, trader, ricercatori e sviluppatori impareranno a costruire algoritmi di apprendimento automatico fondamentali per il settore. Verranno esaminati i concetti di ML e oltre 20 casi di studio di apprendimento supervisionato, non supervisionato e di rinforzo, oltre all'elaborazione del linguaggio naturale (NLP).

Ideale per i professionisti che lavorano in hedge fund, banche d'investimento e retail e aziende fintech, questo libro approfondisce anche la gestione del portafoglio, il trading algoritmico, il pricing dei derivati, il rilevamento delle frodi, la previsione dei prezzi degli asset, l'analisi del sentiment e lo sviluppo di chatbot. Esplorerete i problemi reali affrontati dai professionisti e imparerete soluzioni scientificamente valide supportate da codice ed esempi.

Questo libro tratta:

⬤ Modelli basati sulla regressione dell'apprendimento supervisionato per strategie di trading, prezzi dei derivati e gestione del portafoglio.

⬤ Modelli di classificazione basati sull'apprendimento supervisionato per la previsione del rischio di insolvenza, il rilevamento delle frodi e le strategie di trading.

⬤ Tecniche di riduzione della dimensionalità con casi di studio nella gestione del portafoglio, nelle strategie di trading e nella costruzione delle curve di rendimento.

⬤ Algoritmi e tecniche di clustering per la ricerca di oggetti simili, con casi di studio nelle strategie di trading e nella gestione del portafoglio.

⬤ Modelli e tecniche di apprendimento rinforzato utilizzati per la costruzione di strategie di trading, copertura dei derivati e gestione del portafoglio.

⬤ Tecniche di PNL che utilizzano librerie Python come NLTK e scikit-learn per trasformare il testo in rappresentazioni significative.