Machine Learning in Finance
Matthew F. Dixon, Igor Halperin, Paul Bilokon
Lingua: inglese
Editore: Springer Nature Switzerland AG, CH, 2021
- Brossura
- Nuovo
Da: Rarewaves.com USA, London, London, Regno UnitoRarewaves.com USA
Venditore AbeBooks dal 11 giugno 2025
Condizione: Nuovo
EUR 107,56
Quantità: 1 disponibili
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
This book introduces machine learning methods in finance. It presents a unified treatment of machine learning and various statistical and computational disciplines in quantitative finance, such as financial econometrics and discrete time stochastic control, with an emphasis on how theory and hypothesis tests inform the choice of algorithm for financial data modeling and decision making. With the trend towards increasing computational resources and larger datasets, machine learning has grown into an important skillset for the finance industry. This book is written for advanced graduate students and academics in financial econometrics, mathematical finance and applied statistics, in addition to quants and data scientists in the field of quantitative finance.Machine Learning in Finance: From Theory to Practice is divided into three parts, each part covering theory and applications. The first presents supervised learning for cross-sectional data from both a Bayesianand frequentist perspective. The more advanced material places a firm emphasis on neural networks, including deep learning, as well as Gaussian processes, with examples in investment management and derivative modeling. The second part presents supervised learning for time series data, arguably the most common data type used in finance with examples in trading, stochastic volatility and fixed income modeling. Finally, the third part presents reinforcement learning and its applications in trading, investment and wealth management. Python code examples are provided to support the readers' understanding of the methodologies and applications. The book also includes more than 80 mathematical and programming exercises, with worked solutions available to instructors. As a bridge to research in this emergent field, the final chapter presents the frontiers of machine learning in finance from a researcher's perspective, highlighting how many well-known concepts in statistical physics are likelyto emerge as important methodologies for machine learning in finance.…
Codice articolo LU-9783030410704
- Titolo
- Machine Learning in Finance
- Autore
- Matthew F. Dixon, Igor Halperin, Paul Bilokon
- Editore
- Springer Nature Switzerland AG, CH
- Anno di pubblicazione
- 2021
- Condizione
- New
- Rilegatura
- Paperback
- Lingua
- inglese
- ISBN 10
- 3030410706
- ISBN 13
- 9783030410704
- Edizione
- 2020 ed.
This book introduces machine learning methods in finance. It presents a unified treatment of machine learning and various statistical and computational disciplines in quantitative finance, such as financial econometrics and discrete time stochastic control, with an emphasis on how theory and hypothesis tests inform the choice of algorithm for financial data modeling and decision making. With the trend towards increasing computational resources and larger datasets, machine learning has grown into an important skillset for the finance industry. This book is written for advanced graduate students and academics in financial econometrics, mathematical finance and applied statistics, in addition to quants and data scientists in the field of quantitative finance.
Machine Learning in Finance: From Theory to Practice is divided into three parts, each part covering theory and applications. The first presents supervised learning for cross-sectional data from both a Bayesianand frequentist perspective. The more advanced material places a firm emphasis on neural networks, including deep learning, as well as Gaussian processes, with examples in investment management and derivative modeling. The second part presents supervised learning for time series data, arguably the most common data type used in finance with examples in trading, stochastic volatility and fixed income modeling. Finally, the third part presents reinforcement learning and its applications in trading, investment and wealth management. Python code examples are provided to support the readers' understanding of the methodologies and applications. The book also includes more than 80 mathematical and programming exercises, with worked solutions available to instructors. As a bridge to research in this emergent field, the final chapter presents the frontiers of machine learning in finance from a researcher's perspective, highlighting how many well-known concepts in statistical physics are likelyto emerge as important methodologies for machine learning in finance.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
Paul Bilokon, Ph.D., is CEO and Founder of Thalesians Ltd. Paul has made contributions to mathematical logic, domain theory, and stochastic filtering theory, and, with Abbas Edalat, has published a prestigious LICS paper. He is a member of the British Computer Society, the Institution of Engineering and the European Complex Systems Society.
Matthew Dixon, FRM, Ph.D., is an Assistant Professor of Applied Math at the Illinois Institute of Technology and an Affiliate of the Stuart School of Business. He has published over 20 peer reviewed publications on machine learning and quant finance and has been cited in Bloomberg Markets and the Financial Times as an AI in fintech expert. He is Deputy Editor of the Journal of Machine Learning in Finance, Associate Editor of the AIMS Journal on Dynamics and Games, and is a member of the Advisory Board of the CFA Quantitative Investing Group.
Igor Halperin, Ph.D., is a Research Professor in Financial Engineering at NYU, and an AI Research associate at Fidelity Investments. Igor has published more than 50 scientific articles in machine learning, quantitative finance and theoretic physics. Prior to joining the financial industry, he held postdoctoral positions in theoretical physics at the Technion and the University of British Columbia.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
Rarewaves.com USA
London, London, Regno Unito
Venditore AbeBooks dal 11 giugno 2025
Tariffe di spedizione da Regno Unito a U.S.A.
| Articolo | Da 7 a 12 giorni lavorativi | Da 7 a 12 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 0,00 | EUR 0,00 |
Metodi di pagamento
Informazioni sull’azienda del venditore
RAREWAVES.COM LIMITED
Elsley Court, 20-22 Great Titchfield Street
London, Regno Unito W1W 8BE
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a Rarewaves.com USA, Unit 144 The Lightbox, 111 Power Road, W4 5PY, London, London, United Kingdom, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Please note that we do not offer Priority shipping to any country.
We currently do not ship to the below countries:
Russia
Belarus
Ukraine
Please do not attempt to place orders with any of these countries as a ship to address - they will be cancelled.