Blueprints de aprendizado de máquina e ciência de dados para finanças

desenvolvendo desde estratégias de trades até robôs Advisors com Python

Autor(es): Hariom Tatsat, Sahil Puri & Brad Lookabaugh

Blueprints de Aprendizado de Máquina e Ciência de Dados para Finanças
O aprendizado de máquina e a ciência de dados transformarão significativamente o setor financeiro nos próximos anos. Com este guia prático, os profissionais de fundos de hedge, investi­mentos e bancos de varejo, bem como as fintechs, aprenderão a criar algoritmos de AM (aprendizado de máquina) cruciais para o setor. Você examinará conceitos de AM e mais de vinte estudos de caso sobre aprendizado supervisionado, não supervisionado e por reforço, bem como sobre o processamento de linguagem natural (PLN).
Analistas, traders, pesquisadores e desenvolvedores também mergulharão na gestão de portfólios, no trading algorítmico, na precificação de derivativos, na detecção de fraudes, na previ­são de preços de ativos, na análise de sentimento e no desen­volvimento de chatbots. Você explorará problemas da vida real e aprenderá soluções cientificamente sólidas e sustentadas por códigos e exemplos.
Este livro inclui:
• Modelos de aprendizado supervisionado baseado em regressão para estratégias de tradings e precificação de derivativos.
• Modelos de aprendizado supervisionado baseado em classificação para a previsão de risco de inadimplência de cré dito e detecção de fraudes.
• Técnicas de redução de dimensionalidade, com estudos de caso sobre gestão de portfólios e criação de uma yield curve.
• Estudos de caso usando algoritmos e técnicas de agrupamento para encontrar objetos semelhantes em estratégias de trading e gestão de portfólios.
• Modelos de aprendizado por reforço e técnicas para desenvolver estratégias de trading, hedge de derivativos e gestão portfólios.
• Técnicas de PLN usando bibliotecas Python, como NLTK e Scikit-learn.

Clique aqui para ter acesso ao conteúdo online