مبانی یادگیری تقویتی با کاربردهایی در مالی ۲۰۲۲
Foundations of Reinforcement Learning with Applications in Finance 2022

دانلود کتاب مبانی یادگیری تقویتی با کاربردهایی در مالی ۲۰۲۲ (Foundations of Reinforcement Learning with Applications in Finance 2022) با لینک مستقیم و فرمت pdf (پی دی اف) و ترجمه فارسی

نویسنده

Ashwin Rao, Tikhon Jelvis

ناشر: CRC Press
voucher (1)

۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید

سال انتشار

2022

زبان

English

تعداد صفحه‌ها

522

نوع فایل

pdf

حجم

11.9 MB

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

🏷️ قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود. قیمت فعلی: ۲۹۸٬۰۰۰ تومان.

📥 دانلود نسخه‌ی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمه‌ی فارسی با هوش مصنوعی 🔗 مشاهده جزئیات

پیش‌خرید با تحویل فوری(⚡️) | فایل کتاب حداکثر تا ۳۰ دقیقه(🕒) پس از ثبت سفارش آماده دانلود خواهد بود.

دانلود مستقیم PDF

ارسال فایل به ایمیل

پشتیبانی ۲۴ ساعته

توضیحات

معرفی کتاب مبانی یادگیری تقویتی با کاربردهایی در مالی ۲۰۲۲

اصول یادگیری تقویتی با کاربردهایی در امور مالی، در تلاش است تا رمز و راز یادگیری تقویتی را بگشاید و آن را به ابزاری مفید و کاربردی برای کسانی تبدیل کند که در زمینه‌های کاربردی – به ویژه امور مالی – تحصیل و کار می‌کنند.

یادگیری تقویتی به عنوان یک تکنیک قدرتمند برای حل انواع مسائل پیچیده در صنایع مختلف که شامل تصمیم‌گیری بهینه متوالی در شرایط عدم قطعیت است، ظهور کرده است. نفوذ آن در مسائل برجسته‌ای مانند خودروهای خودران، رباتیک و بازی‌های استراتژیک، به آینده‌ای اشاره دارد که در آن الگوریتم‌های یادگیری تقویتی توانایی‌های تصمیم‌گیری بسیار برتری نسبت به انسان خواهند داشت. اما وقتی صحبت از آموزش در این زمینه به میان می‌آید، به نظر می‌رسد تمایلی به ورود مستقیم وجود ندارد، زیرا یادگیری تقویتی به نظر می‌رسد شهرتی مرموز و از نظر فنی چالش‌برانگیز به دست آورده است.

این کتاب تلاش می‌کند تا با تأکید بر ریاضیات بنیادی و پیاده‌سازی مدل‌ها و الگوریتم‌ها در کد پایتون خوش‌ساخت، همراه با پوشش قوی چندین مسئله معاملاتی مالی که می‌توان با یادگیری تقویتی حل کرد، درک روشن و عمیقی از موضوع ارائه دهد. این کتاب پس از سال‌ها آزمایش تکراری بر روی آموزش این موضوعات در حین تدریس به دانشجویان دانشگاه و همچنین متخصصان صنعت ایجاد شده است.

ویژگی‌ها:

* تمرکز بر نظریه بنیادی زیربنای یادگیری تقویتی و طراحی نرم‌افزاری مدل‌ها و الگوریتم‌های مربوطه
* مناسب به عنوان متن اصلی برای دوره‌های یادگیری تقویتی، و همچنین به عنوان مطالعه تکمیلی برای ریاضیات کاربردی/مالی، برنامه‌نویسی و سایر دوره‌های مرتبط
* مناسب برای مخاطبان حرفه‌ای تحلیلگران کمی یا دانشمندان داده
* ترکیب نظریه/ریاضیات، برنامه‌نویسی/الگوریتم‌ها و ظرافت‌های مالی دنیای واقعی در حالی که همیشه در تلاش برای حفظ سادگی و ایجاد درک شهودی است.
* برای دسترسی به پایگاه کد این کتاب، لطفاً به آدرس زیر مراجعه کنید: https://github.com/TikhonJelvis/RL-book


فهرست کتاب:

۱. صفحه روی جلد

۲. صفحه عنوان فرعی

۳. صفحه عنوان

۴. صفحه حق چاپ

۵. فهرست

۶. پیشگفتار

۷. زندگینامه نویسندگان

۸. خلاصه علائم

۹. فصل ۱ ◾ مرور کلی

۱۰. فصل ۲ ◾ برنامه نویسی و طراحی

۱۱. پودمان I فرآیندها و الگوریتم های برنامه ریزی

۱۲. پودمان II مدلسازی کاربردهای مالی

۱۳. پودمان III الگوریتم های یادگیری تقویتی

۱۴. پودمان IV پرداخت نهایی

۱۵. پیوست الف ◾ تابع مولد گشتاور و کاربردهای آن

۱۶. پیوست ب ◾ نظریه پورتفولیو

۱۷. پیوست پ ◾ مقدمه و مروری بر مبانی حساب دیفرانسیل و انتگرال تصادفی

۱۸. پیوست ت ◾ معادله همیلتون-ژاکوبی-بلمن (HJB)

۱۹. پیوست ث ◾ معادله بلک-شولز و حل آن برای اختیار خرید/فروش

۲۰. پیوست ج ◾ تقریب‌های تابعی به عنوان فضاهای آفین

۲۱. پیوست چ ◾ توزیع‌های مزدوج پیشین برای توزیع‌های گاوسی و برنولی

۲۲. کتابنامه

۲۳. نمایه

توضیحات(انگلیسی)

Foundations of Reinforcement Learning with Applications in Finance aims to demystify Reinforcement Learning, and to make it a practically useful tool for those studying and working in applied areas — especially finance.

Reinforcement Learning is emerging as a powerful technique for solving a variety of complex problems across industries that involve Sequential Optimal Decisioning under Uncertainty. Its penetration in high-profile problems like self-driving cars, robotics, and strategy games points to a future where Reinforcement Learning algorithms will have decisioning abilities far superior to humans. But when it comes getting educated in this area, there seems to be a reluctance to jump right in, because Reinforcement Learning appears to have acquired a reputation for being mysterious and technically challenging.

This book strives to impart a lucid and insightful understanding of the topic by emphasizing the foundational mathematics and implementing models and algorithms in well-designed Python code, along with robust coverage of several financial trading problems that can be solved with Reinforcement Learning. This book has been created after years of iterative experimentation on the pedagogy of these topics while being taught to university students as well as industry practitioners.

Features

  • Focus on the foundational theory underpinning Reinforcement Learning and software design of the corresponding models and algorithms
  • Suitable as a primary text for courses in Reinforcement Learning, but also as supplementary reading for applied/financial mathematics, programming, and other related courses
  • Suitable for a professional audience of quantitative analysts or data scientists
  • Blends theory/mathematics, programming/algorithms and real-world financial nuances while always striving to maintain simplicity and to build intuitive understanding
  • To access the code base for this book, please go to: https://github.com/TikhonJelvis/RL-book


Table of Contents

1. Cover Page

2. Half-Title Page

3. Title Page

4. Copyright Page

5. Contents

6. Preface

7. Author Biographies

8. Summary of Notation

9. Chapter 1 ◾ Overview

10. Chapter 2 ◾ Programming and Design

11. Module I Processes and Planning Algorithms

12. Module II Modeling Financial Applications

13. Module III Reinforcement Learning Algorithms

14. Module IV Finishing Touches

15. Appendix A ◾ Moment Generating Function and Its Applications

16. Appendix B ◾ Portfolio Theory

17. Appendix C ◾ Introduction to and Overview of Stochastic Calculus Basics

18. Appendix D ◾ The Hamilton-Jacobi-Bellman (HJB) Equation

19. Appendix E ◾ Black-Scholes Equation and Its Solution for Call/Put Options

20. Appendix F ◾ Function Approximations as Affine Spaces

21. Appendix G ◾ Conjugate Priors for Gaussian and Bernoulli Distributions

22. Bibliography

23. Index

دیگران دریافت کرده‌اند

مبانی پرستاری مادران و کودکان ۲۰۱۰
Foundations of Maternal & Pediatric Nursing 2010

🏷️ قیمت اصلی: 200,000 تومان بود.قیمت فعلی: 129,000 تومان.

✨ ضمانت تجربه خوب مطالعه

بازگشت کامل وجه

در صورت مشکل، مبلغ پرداختی بازگردانده می شود.

دانلود پرسرعت

دانلود فایل کتاب با سرعت بالا

ارسال فایل به ایمیل

دانلود مستقیم به همراه ارسال فایل به ایمیل.

پشتیبانی ۲۴ ساعته

با چت آنلاین و پیام‌رسان ها پاسخگو هستیم.

ضمانت کیفیت کتاب

کتاب ها را از منابع معتیر انتخاب می کنیم.