توضیحات
A groundbreaking, authoritative introduction to how machine learning can be applied to asset pricing
Investors in financial markets are faced with an abundance of potentially value-relevant information from a wide variety of different sources. In such data-rich, high-dimensional environments, techniques from the rapidly advancing field of machine learning (ML) are well-suited for solving prediction problems. Accordingly, ML methods are quickly becoming part of the toolkit in asset pricing research and quantitative investing. In this book, Stefan Nagel examines the promises and challenges of ML applications in asset pricing.
Asset pricing problems are substantially different from the settings for which ML tools were developed originally. To realize the potential of ML methods, they must be adapted for the specific conditions in asset pricing applications. Economic considerations, such as portfolio optimization, absence of near arbitrage, and investor learning can guide the selection and modification of ML tools. Beginning with a brief survey of basic supervised ML methods, Nagel then discusses the application of these techniques in empirical research in asset pricing and shows how they promise to advance the theoretical modeling of financial markets.
Machine Learning in Asset Pricing presents the exciting possibilities of using cutting-edge methods in research on financial asset valuation.
————————————————————–
ترجمه ماشینی :
مقدمه ای معتبر و پیشگامانه در مورد نحوه استفاده از یادگیری ماشینی در قیمت گذاری دارایی ها
سرمایه گذاران در بازارهای مالی با اطلاعات فراوان بالقوه مرتبط با ارزش از طیف گسترده ای مواجه هستند. از منابع مختلف در چنین محیطهای غنی از داده و با ابعاد بالا، تکنیکهای حوزه به سرعت در حال پیشرفت یادگیری ماشین (ML) برای حل مسائل پیشبینی مناسب هستند. بر این اساس، روشهای ML به سرعت در حال تبدیل شدن به بخشی از ابزار در تحقیقات قیمتگذاری دارایی و سرمایهگذاری کمی هستند. در این کتاب، استفان ناگل به بررسی وعدهها و چالشهای برنامههای ML در قیمتگذاری دارایی میپردازد.
مشکلات قیمتگذاری دارایی بهطور اساسی با تنظیماتی که ابزارهای ML در ابتدا برای آنها توسعه داده شده بودند، متفاوت است. برای درک پتانسیل روش های ML، آنها باید برای شرایط خاص در برنامه های قیمت گذاری دارایی تطبیق داده شوند. ملاحظات اقتصادی، مانند بهینه سازی پورتفولیو، عدم وجود آربیتراژ نزدیک، و یادگیری سرمایه گذار می تواند انتخاب و اصلاح ابزارهای ML را هدایت کند. ناگل با بررسی مختصری از روشهای ML نظارت شده اولیه، سپس کاربرد این تکنیکها را در تحقیقات تجربی در قیمتگذاری دارایی مورد بحث قرار میدهد و نشان میدهد که چگونه آنها قول میدهند مدلسازی نظری بازارهای مالی را پیش ببرند.
یادگیری ماشینی در قیمت گذاری دارایی امکانات هیجان انگیز استفاده از روش های پیشرفته در تحقیق در مورد ارزیابی دارایی های مالی را ارائه می دهد.
tag : دانلود کتاب یادگیری ماشینی در قیمت گذاری دارایی , Download یادگیری ماشینی در قیمت گذاری دارایی , دانلود یادگیری ماشینی در قیمت گذاری دارایی , Download Machine Learning in Asset Pricing Book , یادگیری ماشینی در قیمت گذاری دارایی دانلود , buy یادگیری ماشینی در قیمت گذاری دارایی , خرید کتاب یادگیری ماشینی در قیمت گذاری دارایی , دانلود کتاب Machine Learning in Asset Pricing , کتاب Machine Learning in Asset Pricing , دانلود Machine Learning in Asset Pricing , خرید Machine Learning in Asset Pricing , خرید کتاب Machine Learning in Asset Pricing ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.