Machine Learning and Data Science Blueprints for Finance: De la creación de estrategias de trading a robo-asesores usando Python

Opiniones de los lectores

El libro es un recurso completo sobre el aprendizaje automático y las aplicaciones de la IA en las finanzas, elogiado por su enfoque práctico, la amplia cobertura de los temas y los útiles estudios de casos con ejemplos de código. Se recomienda tanto para profesionales de las finanzas como para estudiantes, pero algunas críticas señalan problemas significativos con contenidos obsoletos, ilustraciones incorrectas y la presentación en blanco y negro.

⬤ Cobertura exhaustiva de las aplicaciones de ML/AI en finanzas.
⬤ Enfoque práctico con estudios de casos útiles y ejemplos de código.
⬤ Ideal tanto para principiantes como para científicos de datos experimentados.
⬤ Bien estructurado y fácil de seguir.
⬤ El código de apoyo disponible en GitHub mejora la usabilidad.

⬤ Algunos contenidos están obsoletos y requieren actualizaciones de código.
⬤ Ilustraciones incorrectas en algunos capítulos.
⬤ Algunos lectores recibieron una versión en blanco y negro, lo que disminuye la eficacia de los materiales visuales.
⬤ Algunas explicaciones de alto nivel carecen de profundidad, en comparación con la información disponible en otros sitios.

(basado en 19 opiniones de lectores)

Título original:

Machine Learning and Data Science Blueprints for Finance: From Building Trading Strategies to Robo-Advisors Using Python

Contenido del libro:

En las próximas décadas, el aprendizaje automático y la ciencia de datos transformarán el sector financiero. Con este práctico libro, analistas, operadores, investigadores y desarrolladores aprenderán a crear algoritmos de aprendizaje automático cruciales para el sector. Examinará conceptos de ML y más de 20 casos prácticos de aprendizaje supervisado, no supervisado y de refuerzo, junto con el procesamiento del lenguaje natural (NLP).

Ideal para profesionales que trabajan en fondos de cobertura, bancos de inversión y minoristas, y empresas de tecnología financiera, este libro también profundiza en la gestión de carteras, el comercio algorítmico, la fijación de precios de derivados, la detección del fraude, la predicción del precio de los activos, el análisis del sentimiento y el desarrollo de chatbot. Explorará problemas reales a los que se enfrentan los profesionales y aprenderá soluciones científicamente sólidas respaldadas por código y ejemplos.

Este libro cubre:

⬤ Modelos basados en regresión de aprendizaje supervisado para estrategias de negociación, fijación de precios de derivados y gestión de carteras.

⬤ Modelos de aprendizaje supervisado basados en la clasificación para la predicción del riesgo de impago, la detección del fraude y las estrategias de negociación.

⬤ Técnicas de reducción de la dimensionalidad con estudios de casos en gestión de carteras, estrategias de negociación y construcción de curvas de rendimiento.

⬤ Algoritmos y técnicas de agrupación para encontrar objetos similares, con estudios de casos en estrategias de negociación y gestión de carteras.

⬤ Modelos y técnicas de aprendizaje por refuerzo utilizados para crear estrategias de negociación, cobertura de derivados y gestión de carteras.

⬤ Técnicas de PLN utilizando bibliotecas de Python como NLTK y scikit-learn para transformar texto en representaciones significativas.