Uczenie przez wzmacnianie w finansach. Wprowadzenie z wykorzystaniem Pythona

Uczenie przez wzmacnianie okazało się przełomowym rozwiązaniem. Jednym z najciekawszych algorytm&oacute,w jest Deep Q-Learning (DQL), kt&oacute,ry może być stosowany do zmieniających się warunk&oacute,w decyzyjnych. DQL w wielu przypadkach wykazuje skuteczność nieosiągalną dla człowieka. Nic dziwnego, że użycie tego rodzaju algorytm&oacute,w w branży finansowej wydaje się wyjątkowo atrakcyjną opcją.

Ta książka jest zwięzłym wprowadzeniem do gł&oacute,wnych zagadnień i aspekt&oacute,w uczenia przez wzmacnianie i algorytm&oacute,w DQL. Docenią ją zar&oacute,wno naukowcy, jak i praktycy poszukujący skutecznych algorytm&oacute,w, przydatnych w pracy z finansami. Znajdziesz tu wiele interesujących przykład&oacute,w w języku Python, zaprezentowanych w formie najciekawszych algorytm&oacute,w gotowych do samodzielnego modyfikowania i testowania.

W książce między innymi:

• uczenie przez wzmacnianie
• algorytm DQL
• algorytm aktor-krytyk
• implementacja powyższych algorytm&oacute,w w Pythonie
• rozwiązywanie problem&oacute,w handlu algorytmicznego, hedgingu dynamicznego i dynamicznej alokacji środk&oacute,w w aktywa

Książka ta doskonale wypełnia lukę między teorią a praktyką dzięki jasnym objaśnieniom i szczeg&oacute,łowemu kodowi w Pythonie!

Ivilina Popova, Texas State University