Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум

Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум

Рекомендательный сервис

  • Общий рейтинг 4.96
  • Рейтинг покупателей 3.61
  • Рейтинг экспертов 4.39
  • Качество материалов 4.67
  • Надежность 4.99
  • Простота в использовании 4.73
  • Ремонтопригодность 4.64
  • Эффективность выполнения своих функций 4.66
  • Коэффициент удивления "Вау!" 4.96
  • Безопасность для пользователя4.19
  • Внешний вид 4.43
  • Удобство в уходе и чистке 4.76
  • Экологическая безопасность 4.32
  • Гарантия на товар 4.77
  • Соответствие стандартам качества 4.93
  • Инновационные технологии 4.70
  • Хит продаж 4.96
  • Скорость морального устаревания 4.66
  • Энергоэффективность 4.63
  • Универсальность использования 4.62
  • Наличие дополнительных функций 4.72
  • Соотношение цена-качество 3.37
  • Практичность и удобство хранения 4.69
  • Стабильность работы в различных условиях 4.21
  • Возможность персонализации 4.02
  • Ликвидность 4.69
  • Индекс рекомендаций 3.77
Книга посвящена практике применения машинного обучения с целью создания мощных алгоритмических стратегий для успешной торговли на финансовых рынках. Изложены базовые принципы работы с данными: оценивание наборов данных, доступ к данным через API на языке Python, доступ к финансовым данным на платформе Quandl и управление ошибками предсказания. Рассмотрены построение и тренировка алгоритмических моделей с помощью Python-библиотек pandas, Seaborn, StatsModels и sklearn и построение, оценка и интерпретация моделей AR(p), MA(q) и ARIMA(p, d, q) с использованием библиотеки StatsModels. Описано применение библиотеки PyMC3 для байесового машинного обучения, библиотек NLTK, sklearn (Scikit-learn) и spaCy для назначения отметок финансовым новостям и классифицирования документов, библиотеки Keras для создания, настройки и оценки нейронных сетей прямого распространения, рекуррентных и сверточных сетей. Показано, как применять трансферное обучение к данным спутниковых снимков для предсказания экономической активности и как эффективно использовать подкрепляемое обучение для достижения оптимальных результатов торговли. Для финансовых аналитиков и программистов на языке Python.
Информация о характеристиках, комплекте поставки, стране изготовления, внешнем виде и цвете товара носит справочный характер и взятая из открытых источников.
Машинное обучение для алгоритмической торговли на финансовых рынках. Практикум продается в интернет-магазине ЛитРес
Эксперт: Аркадий И., E-commerce аналитик
Дата рецензии: 31 октября 2025 года
Рекомендация к покупке нейтральная

Отзывы о товаре

Спасибо Ваш отзыв будет опубликован после проверки модераторами.
Добавить отзыв

Доставка покупки

    • В электронном виде;
    • Читать онлайн;
    • Скачать на компьютер или мобильные устройства.

Оплата заказа

    • Банковской картой;
    • электронными деньгами Яндекс-Деньги; WebMoney, Qiwi Кошелек, PayPal;
    • Наличными через терминалы;
    • Банковским переводом.
  • Наименование: ООО «ЛитРес»
  • ИНН: 7719571260

Предложения других продавцов

Часто задаваемые вопросы

Оплатить покупку возможно банковскими картами, банковским переводом, наличными при получении. Перечень всех способов оплаты доступен при оформлении заказа.
Да, в соответствии с законом «О защите прав потребителей» вы можете вернуть товар надлежащего качества в течение 14 дней с момента покупки, если он не был в употреблении, сохранены упаковка, ярлыки и товарный вид, и при этом не входит в перечень товаров, не подлежащих возврату или обмену (утверждённый Постановлением Правительства РФ №55).
На большинство товаров предоставляется гарантия от производителя. Срок гарантии указан в описании товара.

Рекомендуем аналогичные товары

Дополнительно из категории