Statistically Sound Machine Learning for Algorithmic Trading of Financial Instruments: Developing Predictive-Model-Based Trading Systems Using TSSB
Kurzinformation
inkl. MwSt. Versandinformationen
Artikel zZt. nicht lieferbar
Artikel zZt. nicht lieferbar

Beschreibung
Das Buch "Statistically Sound Machine Learning for Algorithmic Trading of Financial Instruments" von Timothy Masters ist ein umfassender Leitfaden für die Entwicklung und Implementierung von algorithmischen Handelssystemen mit Hilfe der maschinellen Lernmethode. Es bietet eine detaillierte Einführung in TSSB (Time Series Simulation Bootstrap), ein kostenloses Softwarepaket zur Durchführung statistisch solider Tests für Vorhersagemodelle. Das Buch behandelt Themen wie Datenmanagement, verschiedene Arten von Vorhersagemodellen, Methoden zur Verbesserung der Modellgenauigkeit und Techniken zur Risikominderung. Der Autor zeigt auch, wie man diese Modelle in echte Handelsstrategien umsetzt und sie effektiv testet, um verlässliche Ergebnisse zu erzielen. Darüber hinaus werden Fallstudien präsentiert, um das Gelernte zu illustrieren und zu vertiefen.
Produktdetails
So garantieren wir Dir zu jeder Zeit Premiumqualität.
Über den Autor
- Kartoniert
- 576 Seiten
- Erschienen 2021
- Springer
- Gebunden
- 211 Seiten
- Erschienen 2016
- Springer
- hardcover
- 643 Seiten
- Erschienen 2020
- Springer
- paperback
- 380 Seiten
- Erschienen 2019
- Springer
- Klappenbroschur
- 370 Seiten
- Erschienen 2021
- De Gruyter
- Hardcover
- 340 Seiten
- Erschienen 2005
- FinanzBuch Verlag
- Kartoniert
- 272 Seiten
- Erschienen 2012
- Springer
- Gebunden
- 488 Seiten
- Erschienen 2002
- Springer
- Gebunden
- 1096 Seiten
- Erschienen 2017
- Springer
- paperback
- 120 Seiten
- Erschienen 2023
- Independently published
- Gebunden
- 298 Seiten
- Erschienen 2006
- Springer
- Gebunden
- 406 Seiten
- Erschienen 2006
- Springer
- Gebunden
- 264 Seiten
- Erschienen 2013
- Springer
- paperback
- 93 Seiten
- Erschienen 2023
- American Mathematical Society



