Inteligencia artificial en finanzas: Una guía basada en Python

Opiniones de los lectores

Algunos lectores elogian su enfoque práctico y su organización, mientras que otros critican su profundidad, calidad visual y precio. Se considera útil para principiantes, pero potencialmente decepcionante para quienes esperen una exploración más profunda de la IA en las finanzas.

Práctico con ejemplos en Python, bien estructurado y escrito, buena calidad para principiantes, cubre varios modelos de IA.

Falta profundidad en los temas, mala calidad visual y de las figuras, precio elevado en comparación con la versión en papel, algunos problemas con la precisión del contenido y la explicación, no apto para quienes no están familiarizados con las finanzas.

(basado en 8 opiniones de lectores)

Título original:

Artificial Intelligence in Finance: A Python-Based Guide

Contenido del libro:

La adopción generalizada de la IA y el aprendizaje automático está revolucionando muchos sectores en la actualidad. Una vez que estas tecnologías se combinen con la disponibilidad programática de datos financieros históricos y en tiempo real, el sector financiero también cambiará radicalmente. Con este libro práctico, aprenderá a utilizar la IA y el aprendizaje automático para descubrir ineficiencias estadísticas en los mercados financieros y explotarlas mediante el trading algorítmico.

El autor Yves Hilpisch muestra a profesionales, estudiantes y académicos tanto de finanzas como de ciencia de datos formas prácticas de aplicar algoritmos de aprendizaje automático y aprendizaje profundo a las finanzas. Gracias a la gran cantidad de ejemplos autocontenidos en Python, podrá reproducir todos los resultados y cifras presentados en el libro.

En cinco partes, esta guía le ayuda a:

⬤ Aprender nociones y algoritmos centrales de la IA, incluidos los avances recientes en el camino hacia la inteligencia general artificial (AGI) y la superinteligencia (SI).

⬤ Comprender por qué las finanzas basadas en datos, la IA y el aprendizaje automático tendrán un impacto duradero en la teoría y la práctica financieras.

⬤ Aplicar las redes neuronales y el aprendizaje por refuerzo para descubrir ineficiencias estadísticas en los mercados financieros.

⬤ Identificar y explotar las ineficiencias económicas a través del backtesting y la negociación algorítmica, es decir, la ejecución automatizada de estrategias de negociación.

⬤ Comprender cómo influirá la IA en la dinámica competitiva del sector financiero y qué podría provocar la posible aparición de una singularidad financiera.