Deep Learning for Finance: Creating Machine and Deep Learning Models for Trading in Python
Эта книга представляет собой практическое руководство по применению методов глубокого обучения и машинного обучения в финансовой сфере, особенно в области количественной торговли. Автор, опытный специалист в области финансовых алгоритмов, предлагает сбалансированный подход, сочетающий теоретические основы с практической реализацией на Python.
Книга начинается с введения в науку о данных и торговлю, объясняя фундаментальные концепции финансовых рынков и то, как методы анализа данных могут быть применены в финансах. Далее рассматриваются необходимые вероятностные методы, включая основы теории вероятностей, статистическую выборку, проверку гипотез и элементы теории информации.
Значительная часть книги посвящена описательной статистике и анализу данных, охватывая меры центральной тенденции, изменчивости, формы распределений, визуализацию данных, корреляционный анализ, концепцию стационарности временных рядов, регрессионный анализ и статистические выводы. Эти разделы обеспечивают необходимую статистическую подготовку для работы с финансовыми данными.
Завершающие главы посвящены математическим основам глубокого обучения, включая линейную алгебру (векторы, матрицы, системы уравнений), тригонометрию и математический анализ (пределы, производные, интегралы, оптимизация). Книга подчеркивает практическое применение этих методов для создания торговых моделей, делая сложные концепции доступными для финансовых аналитиков и разработчиков.
