جلد سخت سیاه و سفید
Product details
- Publisher : Wiley; 1st edition (December 28, 2021)
- Language : English
- Hardcover : 464 pages
- ISBN-10 : 1119791383
- ISBN-13 : 978-1119791386
کتاب Machine Learning for Risk Calculations: A Practitioner's View (The Wiley Finance Series)
State-of-the-art algorithmic deep learning and tensoring techniques for financial institutions
The computational demand of risk calculations in financial institutions has ballooned and shows no sign of stopping. It is no longer viable to simply add more computing power to deal with this increased demand. The solution? Algorithmic solutions based on deep learning and Chebyshev tensors represent a practical way to reduce costs while simultaneously increasing risk calculation capabilities. Machine Learning for Risk Calculations: A Practitioner’s View provides an in-depth review of a number of algorithmic solutions and demonstrates how they can be used to overcome the massive computational burden of risk calculations in financial institutions.
This book will get you started by reviewing fundamental techniques, including deep learning and Chebyshev tensors. You’ll then discover algorithmic tools that, in combination with the fundamentals, deliver actual solutions to the real problems financial institutions encounter on a regular basis. Numerical tests and examples demonstrate how these solutions can be applied to practical problems, including XVA and Counterparty Credit Risk, IMM capital, PFE, VaR, FRTB, Dynamic Initial Margin, pricing function calibration, volatility surface parametrisation, portfolio optimisation and others. Finally, you’ll uncover the benefits these techniques provide, the practicalities of implementing them, and the software which can be used.
- Review the fundamentals of deep learning and Chebyshev tensors
- Discover pioneering algorithmic techniques that can create new opportunities in complex risk calculation
- Learn how to apply the solutions to a wide range of real-life risk calculations.
- Download sample code used in the book, so you can follow along and experiment with your own calculations
- Realize improved risk management whilst overcoming the burden of limited computational power
Quants, IT professionals, and financial risk managers will benefit from this practitioner-oriented approach to state-of-the-art risk calculation.
منابع کتاب کتاب Machine Learning for Risk Calculations: A Practitioner's View (The Wiley Finance Series)
تکنیک‌های یادگیری عمیق الگوریتمی پیشرفته برای موسسات مالی
تقاضای محاسباتی محاسبات ریسک در مؤسسات مالی افزایش یافته است و هیچ نشانه ای از توقف نشان نمی دهد. دیگر نمی‌توان به سادگی قدرت محاسباتی بیشتری برای مقابله با این تقاضای افزایش یافته اضافه کرد. راه حل؟ راه‌حل‌های الگوریتمی مبتنی بر یادگیری عمیق و تانسورهای Chebyshev یک راه عملی برای کاهش هزینه‌ها و در عین حال افزایش همزمان قابلیت‌های محاسبه ریسک است. یادگیری ماشینی برای محاسبات ریسک: دیدگاه یک پزشک، بررسی عمیق تعدادی از راه حل های الگوریتمی را ارائه می دهد و نشان می دهد که چگونه می توان از آنها برای غلبه بر بار محاسباتی عظیم محاسبات ریسک در موسسات مالی استفاده کرد.
این کتاب شما را با مرور تکنیک‌های اساسی از جمله یادگیری عمیق و تانسورهای چبیشف شروع می‌کند. سپس ابزارهای الگوریتمی را کشف خواهید کرد که در ترکیب با اصول، راه حل های واقعی را برای مشکلات واقعی که مؤسسات مالی به طور منظم با آن مواجه می شوند، ارائه می دهند. آزمایش‌ها و مثال‌های عددی نشان می‌دهند که چگونه می‌توان این راه‌حل‌ها را برای مسائل عملی، از جمله ریسک اعتباری XVA و طرف مقابل، سرمایه IMM، PFE، VaR، FRTB، حاشیه اولیه پویا، کالیبراسیون تابع قیمت‌گذاری، پارامترسازی سطح نوسانات، بهینه‌سازی پورتفولیو و موارد دیگر به کار برد. در نهایت، مزایایی که این تکنیک‌ها ارائه می‌دهند، کاربردی بودن اجرای آنها و نرم‌افزاری که می‌توان استفاده کرد را کشف خواهید کرد.
- اصول یادگیری عمیق و تانسورهای چبیشف را مرور کنید
- تکنیک های الگوریتمی پیشگامی را کشف کنید که می تواند فرصت های جدیدی را در محاسبه ریسک پیچیده ایجاد کند
- بیاموزید که چگونه راه حل ها را برای طیف گسترده ای از محاسبات ریسک زندگی واقعی اعمال کنید.
- کد نمونه استفاده شده در کتاب را دانلود کنید تا بتوانید محاسبات خود را دنبال کرده و آزمایش کنید
- با غلبه بر بار قدرت محاسباتی محدود، مدیریت ریسک بهبود یافته را درک کنید
Quants، متخصصان فناوری اطلاعات و مدیران ریسک مالی از این رویکرد پزشک محور برای محاسبه ریسک پیشرفته بهره مند خواهند شد.
ارسال نظر درباره کتاب Machine Learning for Risk Calculations: A Practitioner's View (The Wiley Finance Series)