Intelligenza artificiale in finanza: Una guida basata su Python

Recensioni dei lettori

Il libro ha ricevuto recensioni contrastanti: alcuni lettori ne lodano l'approccio pratico e l'organizzazione, mentre altri ne criticano la profondità, la qualità visiva e il prezzo. È considerato utile per i principianti, ma potenzialmente deludente per chi si aspetta un'esplorazione più approfondita dell'IA nella finanza.

Pratico con esempi Python, ben strutturato e scritto, di buona qualità per i principianti, copre diversi modelli di IA.

Manca di approfondimento degli argomenti, scarsa qualità visiva e delle figure, prezzo elevato rispetto alla versione cartacea, alcuni problemi di accuratezza dei contenuti e di spiegazione, non adatto a chi non ha familiarità con la finanza.

(basato su 8 recensioni dei lettori)

Titolo originale:

Artificial Intelligence in Finance: A Python-Based Guide

Contenuto del libro:

L'adozione diffusa dell'IA e dell'apprendimento automatico sta rivoluzionando molti settori. Quando queste tecnologie saranno combinate con la disponibilità programmatica di dati finanziari storici e in tempo reale, anche il settore finanziario cambierà radicalmente. Con questo libro pratico, imparerete come utilizzare l'IA e l'apprendimento automatico per scoprire le inefficienze statistiche nei mercati finanziari e sfruttarle attraverso il trading algoritmico.

L'autore Yves Hilpisch mostra a professionisti, studenti e accademici di finanza e scienza dei dati come applicare gli algoritmi di machine learning e deep learning alla finanza. Grazie a numerosi esempi Python autoconclusivi, sarete in grado di replicare tutti i risultati e le figure presentate nel libro.

In cinque parti, questa guida vi aiuta a:

⬤ Apprendere le nozioni e gli algoritmi fondamentali dell'IA, comprese le recenti scoperte sulla strada dell'intelligenza artificiale generale (AGI) e della superintelligenza (SI).

⬤ Capire perché la finanza guidata dai dati, l'IA e l'apprendimento automatico avranno un impatto duraturo sulla teoria e sulla pratica finanziaria.

⬤ Applicare le reti neurali e l'apprendimento per rinforzo per scoprire le inefficienze statistiche nei mercati finanziari.

⬤ Identificare e sfruttare le inefficienze economiche attraverso il backtesting e il trading algoritmico, l'esecuzione automatizzata di strategie di trading.

⬤ Capire come l'IA influenzerà le dinamiche competitive del settore finanziario e cosa potrebbe comportare il potenziale emergere di una singolarità finanziaria.