جلد سخت سیاه و سفید
Product details
- Publisher : O'Reilly Media; 1st edition (December 28, 2021)
- Language : English
- Paperback : 334 pages
- ISBN-10 : 1492085251
- ISBN-13 : 978-1492085256
کتاب Machine Learning for Financial Risk Management with Python: Algorithms for Modeling Risk
Financial risk management is quickly evolving with the help of artificial intelligence. With this practical book, developers, programmers, engineers, financial analysts, risk analysts, and quantitative and algorithmic analysts will examine Python-based machine learning and deep learning models for assessing financial risk. Building hands-on AI-based financial modeling skills, you'll learn how to replace traditional financial risk models with ML models.
Author Abdullah Karasan helps you explore the theory behind financial risk modeling before diving into practical ways of employing ML models in modeling financial risk using Python. With this book, you will:
- 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
- Improve market risk models (VaR and ES) using ML techniques and including liquidity dimension
- Develop a credit risk analysis using clustering and Bayesian approaches
- Capture different aspects of liquidity risk with a Gaussian mixture model and Copula model
- Use machine learning models for fraud detection
- Predict stock price crash and identify its determinants using machine learning models
منابع کتاب کتاب Machine Learning for Financial Risk Management with Python: Algorithms for Modeling Risk
مدیریت ریسک مالی با کمک هوش مصنوعی به سرعت در حال تکامل است. با این کتاب کاربردی، توسعه دهندگان، برنامه نویسان، مهندسان، تحلیلگران مالی، تحلیلگران ریسک و تحلیلگران کمی و الگوریتمی، مدل های یادگیری ماشینی و یادگیری عمیق مبتنی بر پایتون را برای ارزیابی ریسک مالی بررسی می کنند. با ایجاد مهارت‌های مدلسازی مالی مبتنی بر هوش مصنوعی، خواهید آموخت که چگونه مدل‌های ریسک مالی سنتی را با مدل‌های ML جایگزین کنید.
عبدالله کاراسان، نویسنده، به شما کمک می‌کند تا تئوری پشت مدلسازی ریسک مالی را قبل از غواصی در روش‌های عملی به کارگیری مدل‌های ML در مدلسازی ریسک مالی با استفاده از پایتون بررسی کنید. با این کتاب، شما:
- برنامه های سری زمانی کلاسیک را مرور کنید و آنها را با مدل های یادگیری عمیق مقایسه کنید
- مدلسازی نوسانات را برای اندازه گیری درجه ریسک، با استفاده از رگرسیون بردار پشتیبان، شبکه های عصبی و یادگیری عمیق کاوش کنید.
- بهبود مدل‌های ریسک بازار (VaR و ES) با استفاده از تکنیک‌های ML و شامل بعد نقدینگی
- تجزیه و تحلیل ریسک اعتباری را با استفاده از خوشه بندی و رویکردهای بیزی توسعه دهید
- جنبه های مختلف ریسک نقدینگی را با یک مدل مخلوط گاوسی و مدل کوپلا به تصویر بکشید
- از مدل های یادگیری ماشین برای تشخیص تقلب استفاده کنید
- پیش‌بینی سقوط قیمت سهام و شناسایی عوامل تعیین‌کننده آن با استفاده از مدل‌های یادگیری ماشین
ارسال نظر درباره کتاب Machine Learning for Financial Risk Management with Python: Algorithms for Modeling Risk