Apprendimento per rinforzo per la finanza

Questo lavoro è stato tradotto utilizzando l'AI. Siamo lieti di ricevere il tuo feedback e i tuoi commenti: translation-feedback@oreilly.com

L'apprendimento per rinforzo (RL) ha portato a diverse scoperte nell'intelligenza artificiale. L'uso dell'algoritmo Q-learning (DQL) da solo ha aiutato le persone a sviluppare agenti che giocano a giochi arcade e da tavolo a un livello sovrumano. Più recentemente, RL, DQL e metodi simili hanno guadagnato popolarità nelle pubblicazioni relative alla ricerca finanziaria.

Questo libro è tra i primi a esplorare l'uso dei metodi di apprendimento per rinforzo in ambito finanziario.

L'autore Yves Hilpisch, fondatore e CEO di The Python Quants, fornisce in modo conciso il background necessario. Gli esperti di ML, i trader finanziari, i gestori di portafoglio, gli strateghi e gli analisti si concentreranno sull'implementazione di questi algoritmi sotto forma di codice Python autonomo e sull'applicazione a importanti problemi finanziari. Questo libro tratta:

Questo libro tratta:

• Apprendimento per rinforzo
• Implementazioni Python di questi algoritmi
• Implementazioni Python di questi algoritmi
• Come applicare gli algoritmi a problemi finanziari quali il trading algoritmico, la copertura dinamica e l'asset allocation dinamica.

Questo libro è il riferimento ideale su questo argomento. Lo leggerai una volta, cambierai gli esempi in base alle tue esigenze o idee e lo consulterai ogni volta che lavorerai con RL per la finanza.

Il dottor Yves Hilpisch è fondatore e CEO di The Python Quants, un gruppo che si concentra sull'uso di tecnologie open source per la scienza dei dati finanziari, l'intelligenza artificiale, la gestione patrimoniale, il trading algoritmico e la finanza computazionale.