Une application du Deep Learning en finance. Programmation en Python avec Keras et Scikitlearn
Par :Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay indisponible
- Retrait Click and Collect en magasin gratuit
- Nombre de pages208
- PrésentationBroché
- FormatGrand Format
- Poids0.313 kg
- Dimensions1,5 cm × 2,3 cm × 0,1 cm
- ISBN978-613-9-54718-0
- EAN9786139547180
- Date de parution01/04/2020
- ÉditeurEditions universitaires européen...
Résumé
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.
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.