Traitement en cours...
Fermer la notification

Le saviez-vous ?

SIDE a travaillé avec ses fournisseurs pour rendre ses colis respectueux de l'environnement.
Fini le plastique !
Le ruban adhésif qui sécurise la fermeture de nos colis et les chips de calage qui immobilisent les livres dans les cartons sont en matériaux recyclables et biodégradables.

Afficher la notification

Une application du Deep Learning en finance

Hecquet Nicolas
Date de parution 01/04/2020
EAN: 9786139547180
Disponibilité Disponible chez l'éditeur
Avec les librairies python Scikitlearn et Keras, des méthodes Deep Learning seront appliquées à la finance. A partir d'un tableau de valeurs d'actifs corrélés sur une période de temps nous cherchons à prédire quel actif aura le meilleur taux de rende... Voir la description complète
Nom d'attributValeur d'attribut
Common books attribute
ÉditeurUNIV EUROPEENNE
Nombre de pages208
Langue du livreFrançais
AuteurHecquet Nicolas
FormatPaperback / softback
Type de produitLivre
Date de parution01/04/2020
Poids313 g
Dimensions (épaisseur x largeur x hauteur)1,20 x 15,20 x 22,90 cm
Programmation en Python avec Keras et Scikitlearn
Avec les librairies python Scikitlearn et Keras, des méthodes Deep Learning seront appliquées à la finance. A partir d'un tableau de valeurs d'actifs corrélés sur une période de temps nous cherchons à prédire quel actif aura le meilleur taux de rendement à un instant futur. Les prix seront simulés à l'aide de processus de Levy, de processus markoviens et non markoviens. Nous comparons des méthodes classiques de classification: Multi Layer Perceptron, forêts aléatoires, AdaBoost et des méthodes issues du Deep Learning : réseaux de neurones convolutifs, réseaux de neurones récursifs.