March 2025
Intermediate to advanced
214 pages
5h 16m
Italian
Content preview from Apprendimento per rinforzo per la finanza
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
Start your free trial
Parte I. Le basi
La prima parte del libro tratta le basi dell'apprendimento per rinforzo e fornisce informazioni di base. Si compone di tre capitoli:
-
Il capitolo 1 si concentra sull'apprendimento attraverso l'interazione con quattro esempi principali: la corrispondenza delle probabilità, l'aggiornamento bayesiano, l'apprendimento per rinforzo (RL) e l'apprendimento Q profondo (DQL).
-
Il Capitolo 2 introduce i concetti della programmazione dinamica (DP) e discute il DQL come approccio alle soluzioni approssimate dei problemi di DP. Il tema principale è la derivazione di politiche ottimali per massimizzare una data funzione obiettivo attraverso l'esecuzione di una sequenza di azioni e l'aggiornamento iterativo della politica ottimale. Il DQL è illustrato sulla base del gioco CartPole del pacchetto Gymnasium di Python.
-
Il Capitolo 3 sviluppa un primo ambiente
Financeche permette all'agente DQL del Capitolo 2 di imparare un gioco di previsione finanziaria. Sebbene l'ambiente replichi formalmente l'API del CartPole, manca di alcune caratteristiche importanti che sono necessarie per applicare con successo la RL.