Episode Details

Advances in Financial Machine Learning (Marcos Lopez de Prado)

- Bumili sa Amazon Books:
https://www.amazon.com/dp/1119482089?tag=9natree-20

- I-sponsor at Suportahan kami:
https://9natree.com/page/sponsor-and-support.html

- Mga Kagiliw-giliw na Paksa:
- Bakit hindi sapat ang karaniwang machine learning sa datos ng merkado
- Mga financial data bar at event based sampling sa halip na oras lamang
- Paglalagay ng label, sample weighting, at pag-iwas sa maling target
- Purged cross validation at mga depensa laban sa backtest overfitting
- Hierarchical risk parity bilang alternatibo sa mean variance optimization

- Magbasa pa: https://tagalog.9natree.com/read/1119482089/


Ang Advances in Financial Machine Learning ni Marcos López de Prado ay isang teknikal na aklat sa quantitative finance at machine learning para sa mga pamilihang pinansyal. Hindi ito simpleng gabay sa paggamit ng mga karaniwang algorithm gaya ng random forest o neural network. Sa halip, ipinaliliwanag nito kung bakit madalas pumapalya ang mga paraang gumagana sa ibang larangan kapag direktang inilapat sa presyo, dami ng kalakalan, at iba pang financial time series. Ang sentrong layunin ng aklat ay bumuo ng mas maingat na proseso, mula sa pagkuha at pag-aayos ng datos, paglalagay ng label sa mga obserbasyon, pagbuo ng feature, pagsusuri ng modelo, hanggang sa paglalapat ng signal sa portfolio. Mahalaga rito ang katotohanang nagbabago ang merkado, magkakaugnay ang mga obserbasyon, at madaling makagawa ng mukhang mahusay ngunit huwad na resulta dahil sa overfitting. Tinalakay rin ni López de Prado ang mga paraan ng paglalaan ng panganib, kabilang ang hierarchical risk parity. Para ito sa mambabasang may sapat na batayan sa estadistika, programming, at pamumuhunan, na nais umunawa ng mas disiplinadong paggamit ng machine learning sa pananalapi.