Blueprints d'apprentissage automatique et de science des données pour la finance.

Au cours des prochaines décennies, l'apprentissage automatique et la science des données vont transformer l'industrie de la finance. Avec ce livre pratique, les analystes, les traders, les chercheurs et les développeurs apprendront à construire des algorithmes d'apprentissage automatique cruciaux pour l'industrie. Tu examineras les concepts de l'apprentissage automatique et plus de 20 études de cas sur l'apprentissage supervisé, non supervisé et par renforcement, ainsi que sur le traitement du langage naturel (NLP).

Idéal pour les professionnels travaillant dans des fonds spéculatifs, des banques d'investissement et de détail, et des entreprises fintech, ce livre approfondit également la gestion de portefeuille, le trading algorithmique, la tarification des produits dérivés, la détection des fraudes, la prédiction du prix des actifs, l'analyse des sentiments et le développement de chatbots. Tu exploreras les problèmes réels auxquels sont confrontés les praticiens et apprendras des solutions scientifiquement fondées, étayées par du code et des exemples.

Ce livre couvre :

• Les modèles d'apprentissage supervisé basés sur la régression pour les stratégies de trading, l'évaluation des produits dérivés et la gestion de portefeuille.
• Les modèles d'apprentissage supervisé basés sur la classification pour la prédiction du risque de défaut de crédit, la détection de la fraude et les stratégies de négociation.
• Techniques de réduction de la dimensionnalité avec des études de cas dans la gestion de portefeuille, la stratégie de négociation et la construction de courbes de rendement.
• Algorithmes et techniques de regroupement pour trouver des objets similaires, avec des études de cas sur les stratégies de négociation et la gestion de portefeuille.
• Modèles et techniques d'apprentissage par renforcement utilisés pour l'élaboration de stratégies commerciales, la couverture de produits dérivés et la gestion de portefeuille.
• Techniques NLP utilisant des bibliothèques Python telles que NLTK et scikit-learn pour transformer le texte en représentations significatives.