Implementing Machine Learning for Finance: Un enfoque sistemático para el análisis predictivo del riesgo y el rendimiento de las carteras de inversión

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Implementing Machine Learning for Finance: A Systematic Approach to Predictive Risk and Performance Analysis for Investment Portfolios

Contenido del libro:

Reúna el aprendizaje automático (ML) y el aprendizaje profundo (DL) en la negociación financiera, con énfasis en la gestión de inversiones. Este libro explica enfoques sistemáticos para la gestión de carteras de inversión, el análisis de riesgos y el análisis del rendimiento, incluido el análisis predictivo mediante procedimientos de ciencia de datos.

El libro introduce el reconocimiento de patrones y la previsión de precios futuros que ejerce efectos sobre los modelos de análisis de series temporales, como el modelo de media móvil autorregresiva integrada (ARIMA), el modelo ARIMA estacional (SARIMA) y el modelo aditivo, y abarca el modelo de mínimos cuadrados y el modelo de memoria a largo plazo a corto plazo (LSTM). Presenta el reconocimiento de patrones ocultos y la predicción del régimen de mercado aplicando el modelo de Markov oculto gaussiano. El libro cubre la aplicación práctica del modelo K-Means en la agrupación de valores. Establece la aplicación práctica del método de Varianza-Covarianza y del método de Simulación (mediante Simulación Monte Carlo) para la estimación del valor en riesgo. También incluye la clasificación de la dirección del mercado utilizando tanto el clasificador Logístico como el clasificador Perceptrón Multicapa. Por último, el libro presenta el análisis del rendimiento y el riesgo de las carteras de inversión.

Al final de este libro, deberá ser capaz de explicar cómo funciona el trading algorítmico y su aplicación práctica en el mundo real, y saber cómo aplicar modelos de ML y DL supervisados y no supervisados para reforzar la toma de decisiones de inversión e implementar y optimizar estrategias y sistemas de inversión.

Lo que aprenderá

⬤ Comprender los fundamentos del mercado financiero y del trading algorítmico, así como los modelos de aprendizaje supervisado y no supervisado apropiados para la gestión sistemática de carteras de inversión.

⬤ Conocer los conceptos de ingeniería de características, visualización de datos y optimización de hiperparámetros.

⬤ Diseñar, construir y probar modelos de ML y DL supervisados y no supervisados.

⬤ Descubrir estacionalidad, tendencias y regímenes de mercado, simulando un cambio en el mercado y problemas de estrategia de inversión y prediciendo la dirección del mercado y los precios.

⬤ Estructurar y optimizar una cartera de inversión con clases de activos preeminentes y medir el riesgo subyacente.

A quién va dirigido este libro

Científicos de datos principiantes e intermedios, ingenieros de aprendizaje automático, ejecutivos de negocios y profesionales de las finanzas (como analistas de inversión y operadores).