Deep Learning für Finanzen

Vorwort

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Lernen erschöpft den Geist nie.

Leonardo da Vinci

Maschinelles Lernen und Deep Learning haben die Finanzbranche in den letzten Jahren völlig verändert. Die verschiedenen Lernmodelle eignen sich gut für eine Welt, in der Daten im Überfluss vorhanden sind und kontinuierlich verarbeitet werden. Daten sind das neue Gold, und ihr Wert steigt ständig, da richtige Analysen zu wichtigen Geschäftsentscheidungen führen, die den wirtschaftlichen Wandel vorantreiben.

Der Aufstieg der quantitativen Fonds ist der lebende Beweis dafür, dass die Welt der Datenwissenschaft der Handelswelt viel zu bieten hat. Nach den fundamentalen und technischen Händlern entsteht nun eine neue Art von Anführern des Universums. Das sind die quantitativen Händler, die sich auf maschinenbasierte Algorithmen mit extrem komplexen Operationen verlassen, um die Märkte vorherzusagen und zu übertreffen.

Dieses Buch behandelt das Thema Deep Learning für den Finanzbereich im Detail .

Warum dieses Buch?

Ich habe meine Karriere damit verbracht, Handelsstrategien, Techniken und alles, was mit der Finanzwelt zu tun hat, zu erforschen. Im Laufe der Jahre habe ich mich mit einigen algorithmischen Modellen vertraut gemacht, die das Potenzial haben, einen Mehrwert für den Handel zu schaffen. In diesem Buch bespreche ich verschiedene Lernmodelle und ihre Anwendungen in der Handelswelt, wobei der Schwerpunkt auf Deep Learning und neuronalen Netzen liegt. Mein Hauptziel ist es, sie so zu behandeln, dass jeder versteht, wie sie funktionieren.

Maschinen können Operationen und Erkennungen aus vielen Gründen besser durchführen als Menschen, einer davon ist ihre Objektivität. Das bedeutet, dass eine der wichtigsten Fähigkeiten, die du lernen wirst, darin besteht, wie du mit Python die Algorithmen erstellst, die für solche Operationen erforderlich sind.

Wie bereits erwähnt, ist es mein Ziel, eine umfassende Einführung in den Einsatz von Deep Learning im Finanzbereich zu geben. Dazu bespreche ich eine breite Palette von Themen, darunter Datenwissenschaft, Handel, maschinelle und Deep-Learning-Modelle sowie Reinforcement-Learning-Anwendungen für den Handel.

Das Buch beginnt mit einem Überblick über den Bereich der Datenwissenschaft und ihre Rolle in der Finanzwelt. Anschließend werden die erforderlichen Kenntnisse wie Statistik, Mathematik und Python erläutert, bevor es darum geht, wie maschinelles Lernen und Deep Learning in Handelsstrategien eingesetzt werden können.

Wer sollte es lesen?

Dieses Buch richtet sich an ein breites Publikum, darunter Finanzfachleute und Akademiker, Datenwissenschaftler, quantitative Trader und Finanzstudenten aller Fachrichtungen. Es bietet eine gründliche Einführung in den Einsatz von maschinellem und tiefem Lernen bei der Vorhersage von Zeitreihen und ist ein unverzichtbares Hilfsmittel für alle, die diese leistungsstarken Techniken verstehen und anwenden wollen.

Das Buch setzt voraus, dass du grundlegende Kenntnisse in der Python-Programmierung (professionelle Python-Benutzer werden den Code sehr einfach finden) und im Finanzhandel hast. Ich verfolge einen klaren und einfachen Ansatz, der sich auf die wichtigsten Konzepte konzentriert, damit du den Zweck jeder Idee verstehst.

In diesem Buch verwendete Konventionen

In diesem Buch werden die folgenden typografischen Konventionen verwendet:

Kursiv

Weist auf neue Begriffe, URLs, E-Mail-Adressen, Dateinamen und Dateierweiterungen hin.

Constant width

Wird für Programmlistings sowie innerhalb von Absätzen verwendet, um auf Programmelemente wie Variablen- oder Funktionsnamen, Datenbanken, Datentypen, Umgebungsvariablen, Anweisungen und Schlüsselwörter hinzuweisen.

Constant width bold

Zeigt Befehle oder anderen Text an, der vom Benutzer wortwörtlich eingetippt werden sollte.

Constant width italic

Zeigt Text an, der durch vom Benutzer eingegebene Werte oder durch kontextabhängige Werte ersetzt werden soll.

Tipp

Dieses Element steht für einen Tipp oder eine Anregung.

Hinweis

Dieses Element steht für einen allgemeinen Hinweis.

Warnung

Dieses Element weist auf eine Warnung oder einen Warnhinweis hin.

Code-Beispiele verwenden

Zusätzliches Material (Code-Beispiele, Übungen usw.) steht unter https://github.com/sofienkaabar/deep-learning-for-finance zum Download bereit .

Wenn du eine technische Frage oder ein Problem mit den Codebeispielen hast, sende bitte eine E-Mail an [e-mail].

Dieses Buch soll dir helfen, deine Arbeit zu erledigen. Wenn in diesem Buch Beispielcode angeboten wird, darfst du ihn in deinen Programmen und deiner Dokumentation verwenden. Du musst uns nicht um Erlaubnis fragen, es sei denn, du reproduzierst einen großen Teil des Codes. Wenn du zum Beispiel ein Programm schreibst, das mehrere Teile des Codes aus diesem Buch verwendet, brauchst du keine Erlaubnis. Der Verkauf oder die Verbreitung von Beispielen aus O'Reilly-Büchern erfordert jedoch eine Genehmigung. Die Beantwortung einer Frage mit einem Zitat aus diesem Buch und einem Beispielcode erfordert keine Genehmigung. Wenn du einen großen Teil des Beispielcodes aus diesem Buch in die Dokumentation deines Produkts aufnimmst, ist eineGenehmigung erforderlich.

Wir freuen uns über die Nennung des Titels, des Autors, des Verlags und der ISBN, verlangen sie aber in der Regel nicht. Zum Beispiel: "Deep Learning for Finance von Sofien Kaabar (O'Reilly). Copyright 2024 Sofien Kaabar, 978-1-098-14839-3."

Wenn du der Meinung bist, dass die Verwendung von Code-Beispielen nicht unter die Fair-Use-Regelung oder die oben genannte Erlaubnis fällt, kannst du uns gerne unter [e-mail] kontaktieren .

O'Reilly Online Learning

Hinweis

Seit mehr als 40 Jahren bietet O'Reilly Media Schulungen, Wissen und Einblicke in Technologie und Wirtschaft, um Unternehmen zum Erfolg zu verhelfen.

Unser einzigartiges Netzwerk von Experten und Innovatoren teilt sein Wissen und seine Erfahrung durch Bücher, Artikel und unsere Online-Lernplattform. Die Online-Lernplattform von O'Reilly bietet dir On-Demand-Zugang zu Live-Trainingskursen, ausführlichen Lernpfaden, interaktiven Programmierumgebungen und einer umfangreichen Text- und Videosammlung von O'Reilly und über 200 anderen Verlagen. Weitere Informationen erhältst du unter https://oreilly.com.

Wie du uns kontaktierst

Bitte richte Kommentare und Fragen zu diesem Buch an den Verlag:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Nord
• Sebastopol, CA 95472
• 800-889-8969 (in den Vereinigten Staaten oder Kanada)
• 707-829-7019 (international oder lokal)
• 707-829-0104 (Fax)
• [e-mail]
• https://www.oreilly.com/about/contact.html

Wir haben eine Webseite für dieses Buch, auf der wir Errata, Beispiele und zusätzliche Informationen auflisten. Du kannst diese Seite unter https://oreil.ly/deep-learning-for-finance aufrufen .

Neuigkeiten und Informationen über unsere Bücher und Kurse findest du unter https://oreilly.com.

Du findest uns auf LinkedIn: https://linkedin.com/company/oreilly-media.

Folge uns auf Twitter: https://twitter.com/oreillymedia.

Sieh uns auf YouTube: https://youtube.com/oreillymedia.

Danksagungen

Ohne die Unterstützung meiner Eltern wäre nichts so, wie es war. Deshalb kann ich nicht umhin, ihren direkten und indirekten Einfluss auf das Buch zu würdigen.

Außerdem möchte ich mich bei den Herausgebern Michelle Smith und Corbin Collins sowie bei der Produktionsredakteurin Elizabeth Faerm für ihre kontinuierliche Unterstützung, ihre großartige Arbeit und ihre Geduld bedanken. Ebenso möchte ich allen Mitarbeitern von O'Reilly danken, die an der Produktion dieses Buches beteiligt waren.

Mein besonderer Dank gilt auch den großartigen technischen Gutachtern für ihre immensen Beiträge. Sie haben wesentlich dazu beigetragen, dass dieses Buch lesbar, nützlich und übersichtlich ist. Ich hätte mir keine besseren Leute für die Rezension meines Buches wünschen können.

Und schließlich bin ich dir, dem Leser, sehr dankbar, dass du deine Zeit in meine Arbeit investierst und Vertrauen in meine Forschung setzt. Ich hoffe, du findest sie nützlich.