یادگیری ماشینی برای مدیران دارایی

در این مطلب می خوانید(فهرست)

[vc_row][vc_column width=”1/2″][vc_column_text]

یادگیری ماشینی برای مدیران دارایی

استراتژی های سرمایه گذاری موفق، پیاده سازی نظریه های عمومی هستند. یک استراتژی سرمایه گذاری که فاقد یک توجیه نظری است به احتمال زیاد نادرست است.از این رو ، یک مدیر سرمایه باید تلاش خود را بیشتر بر روی بازپرداخت قوانین بالقوه تجارت متمرکز کند. هدف از این کتاب معرفی ابزارهای یادگیری ماشین (machine learning)( ML) است که می تواند به مدیران سرمایه در کشف تئوری های اقتصادی و مالی کمک کند.

(machine learning)( ML) یک جعبه سیاه نیست و لزوماً بیش از حد پیچیده نیست. ابزارهای ML بیشتر مکمل هم هستند تا جایگزینی برای روشهای آماری کلاسیک.
بعضی از نقاط قوت ML شامل موارد زیر است:

  1. تمرکز بیشتر بر پیش بینی براساس داده های خارج از نمونه تا تصمیم گیری براساس واریانس است.
  2. استفاده از روش های محاسباتی برای جلوگیری از تکیه بر فرضیات بالقوه ی غیرواقعی.
  3. توانایی “یادگیری” مسائل پیچیده ، از جمله اثرات متقابل غیرخطی ، سلسله مراتبی و غیر مداوم در فضایی چند بعدی.
  4. توانایی تفکیک کردن جستجوی متغیرها از جستجوی مشخصات ، همچنین مقاوم در مقابل ثاثیر اتفاقات چند خطی و سایر اثرات جایگزینی.

[/vc_column_text][/vc_column][vc_column width=”1/2″][vc_single_image image=”6107″ img_size=”full” alignment=”center”][vc_column_text]

دانلود pdf کتاب

[/vc_column_text][/vc_column][/vc_row]

استاندارد بیت کوین: جایگزین غیر متمرکز برای بانکداری مرکزی توسط Saifedean Ammous (z-lib.org)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *