
دانلود کتاب Machine Learning for Financial Risk Management with Python: Algorithms for Modeling Risk (به فارسی: یادگیری ماشین برای مدیریت ریسک مالی با پایتون: الگوریتمهایی برای مدلسازی ریسک) نوشته شده توسط «Abdullah Karasan»
اطلاعات کتاب یادگیری ماشین برای مدیریت ریسک مالی با پایتون: الگوریتمهایی برای مدلسازی ریسک
موضوع اصلی: کامپیوتر – هوش مصنوعی (AI)
نوع: کتاب الکترونیکی
ناشر: O’Reilly Media
نویسنده: Abdullah Karasan
زبان: english
فرمت کتاب: PDF (قابل تبدیل به سایر فرمت ها)
سال انتشار: 2022
تعداد صفحه: 334
حجم فایل: 24.96 مگابایت
کد کتاب: 1492085251 , 9781492085256
نوبت چاپ: 1
توضیحات کتاب یادگیری ماشین برای مدیریت ریسک مالی با پایتون: الگوریتمهایی برای مدلسازی ریسک
مدیریت ریسک مالی با کمک هوش مصنوعی به سرعت در حال تکامل است. با این کتاب کاربردی، توسعه دهندگان، برنامه نویسان، مهندسان، تحلیلگران مالی و تحلیلگران ریسک، مدل های یادگیری ماشینی و یادگیری عمیق مبتنی بر پایتون را برای ارزیابی ریسک مالی بررسی می کنند. شما یاد خواهید گرفت که چگونه نتایج حاصل از مدل های ML را با نتایج به دست آمده توسط مدل های ریسک مالی سنتی مقایسه کنید.
نویسنده عبدالله کاراسان به شما کمک میکند تا قبل از بررسی تفاوتهای بین مدلهای سنتی و ML، تئوری پشت ارزیابی ریسک مالی را بررسی کنید. با این کتاب، شما یاد خواهید گرفت • برنامه های سری زمانی کلاسیک را مرور کنید و آنها را با مدل های یادگیری عمیق مقایسه کنید • مدل سازی نوسانات را برای اندازه گیری درجه ریسک، با استفاده از رگرسیون بردار پشتیبان، شبکه های عصبی، و یادگیری عمیق کاوش کنید. VaR و کمبود مورد انتظار) با استفاده از تکنیکهای یادگیری ماشین • یک ریسک اعتباری بر اساس تکنیک خوشهبندی برای سطل ریسک ایجاد کنید، سپس تخمین بیزی، زنجیره مارکوف و سایر مدلهای ML را اعمال کنید • جنبههای مختلف نقدینگی را با مدل مخلوط گاوسی ضبط کنید. • از یادگیری ماشین استفاده کنید. مدلهایی برای کشف تقلب • شناسایی ریسک شرکت با استفاده از معیار سقوط قیمت سهام • کاوش فرآیند تولید داده مصنوعی برای استفاده در ریسک مالی
Author Abdullah Karasan helps you explore the theory behind financial risk assessment before diving into the differences between traditional and ML models. With this book, you’ll learn • Review classical time series applications and compare them with deep learning models • Explore volatility modeling to measure degrees of risk, using support vector regression, neural networks, and deep learning • Revisit and improve market risk models (VaR and expected shortfall) using machine learning techniques • Develop a credit risk based on a clustering technique for risk bucketing, then apply Bayesian estimation, Markov chain, and other ML models • Capture different aspects of liquidity with a Gaussian mixture model • Use machine learning models for fraud detection • Identify corporate risk using the stock price crash metric • Explore a synthetic data generation process to employ in financial risk
دانلود کتاب «یادگیری ماشین برای مدیریت ریسک مالی با پایتون: الگوریتمهایی برای مدلسازی ریسک»

📖 خرید این کتاب
برای دریافت فایل و اطلاع از قیمت، روی یکی از دکمههای زیر کلیک کنید تا پیام آماده برای شما ارسال شود:
پس از ارسال پیام، قیمت و لینک دریافت فایل در اسرع وقت برای شما ارسال خواهد شد.