یادگیری ماشین و علوم داده برای بازارهای مالی؛ راهنمای روش های معاصر

این کتاب با بهره‌گیری از تلاش‌های تحقیقاتی بیش از شصت متخصص در این حوزه، به بررسی شیوه‌های پیشرفته در یادگیری ماشین برای بازارهای مالی می‌پردازد. نویسندگان به جای اینکه یادگیری ماشین را به عنوان یک حوزه جدید ببینند، ارتباط بین دانش توسعه‌یافته توسط امور مالی کمی در چهل سال گذشته و تکنیک‌های تولید شده توسط انقلاب فعلی ناشی از علوم داده و هوش مصنوعی را بررسی می‌کنند. متن حول سه حوزه اصلی ساختار یافته است: «تعامل با سرمایه‌گذاران و صاحبان دارایی»، که مشاوران رباتیک و شکل‌گیری قیمت را پوشش می‌دهد؛ «واسطه‌گری ریسک»، که پوشش ریسک مشتقه، ساخت سبد سهام و یادگیری ماشین برای بهینه‌سازی پویا را مورد بحث قرار می‌دهد؛ و «ارتباط با اقتصاد واقعی»، که به بررسی پیش‌بینی لحظه‌ای، داده‌های جایگزین و اخلاق الگوریتم‌ها می‌پردازد. این منبع ارزشمند که برای طیف وسیعی از مخاطبان قابل دسترسی است، به متخصصان این امکان را می‌دهد تا تکنیک‌های مبتنی بر یادگیری ماشین را در شیوه‌های کمی روزمره خود بگنجانند، در حالی که دانشجویان شهود ایجاد می‌کنند و از ابزارهای فنی و انگیزه برای این نظریه قدردانی می‌کنند.