Добавить в избранное
Форум
Правила сайта "Мир Книг"
Группа в Вконтакте
Подписка на книги
Правообладателям
Найти книгу:
Навигация
Вход на сайт
Регистрация



Реклама



Название: Machine Learning for Financial Risk Management with Python (Early Release)
Автор: Abdullah Karasan
Издательство: O’Reilly Media
Год: 2020-02-26
Формат: epub/pdf(conv.)
Размер: 12.1 Mb
Язык: English

Financial risk management is quickly evolving with the help of artificial intelligence. With this practical book, developers, programmers, engineers, financial analysts, and risk analysts will explore Python-based machine learning and deep learning models for assessing financial risk. You will learn how to compare results from ML models with results obtained by traditional financial risk models.
Author Abdullah Karasan helps you explore the theory behind financial risk assessment before diving into the differences between traditional and ML models.
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






ОТСУТСТВУЕТ ССЫЛКА/ НЕ РАБОЧАЯ ССЫЛКА ЕСТЬ РЕШЕНИЕ, ПИШИМ СЮДА!







Автор: bomboane 27-02-2021, 11:10 | Напечатать |
 
Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.





С этой публикацией часто скачивают:

Посетители, находящиеся в группе Гости, не могут оставлять комментарии к данной публикации.


 MirKnig.Su  ©2024     При использовании материалов библиотеки обязательна обратная активная ссылка    Политика конфиденциальности