معرفی و دانلود کتاب کاربرد هوش مصنوعی در امور مالی

معرفی کتاب کاربرد هوش مصنوعی در امور مالی

کتاب کاربرد هوش مصنوعی در امور مالی، اثری سودمند برای آشنایی با کاربردهای هوش مصنوعی در حوزه‌ی امور مالی محاسباتی است. ادوارد پی کی تسانگ، نویسنده‌ی کتاب، با زبانی ساده ظرفیت‌های هوش مصنوعی در این حوزه را توضیح داده است. پس از مطالعه‌ی کتاب حاضر، دیدگاه کاملی نسبت به نقش هوش مصنوعی در داده‌کاوی، مدلسازی، بهینه‌سازی سبد سرمایه‌گذاری و... پیدا می‌کنید.

درباره‌ی کتاب کاربرد هوش مصنوعی در امور مالی

کتاب کاربرد هوش مصنوعی در امور مالی (AI for Finance)، منبعی سودمند است که در آن، ادوارد پی کی تسانگ (Edward P. K. Tsang) مفاهیم تخصصیِ هوش مصنوعی و ارتباط آن با حوزه‌ی مالی را توضیح می‌دهد. پیوند میان هوش مصنوعی و امور مالی، شناسایی ظرفیت‌ها و محدودیت‌های هوش مصنوعی، مدلسازی، شبیه‌سازی، یادگیری ماشین و... مضمون‌های اصلی هستند که ادوارد پی کی تسانگ در این اثر به توضیح آن‌ها پرداخته است. نویسنده در کنار این توضیحات، مقاله‌های پژوهشی معتبری درباره‌ی تاثیر نادیده گرفتن محاسبات در اقتصاد کلاسیک و اختلاف‌های بالقوه‌ی ریاضی‌دانان و مهندسان کامپیوتر را در این اثر گنجانده است. این رویکرد، دیدگاهی کامل از ارتباط میان دانش هوش مصنوعی و علم اقتصاد را پیش روی خواننده قرار می‌دهد.

مطالب کتاب کاربرد هوش مصنوعی در امور مالی پس از پیشگفتار و مقدمه، با توضیحاتی درباره‌ی هم‌افزایی هوش مصنوعی و امور مالی آغاز می‌شود. نویسنده در ادامه با توضیح اصول بنیادین یادگیری ماشینی، محدودیت‌های این حوزه را بررسی کرده است.

نقش هوش مصنوعی در امور مالی

ادوارد پی کی تسانگ، در ادامه‌ی کتاب به تشریح قابلیت‌های یادگیری ماشین و محدودیت‌های ذاتی این حوزه پرداخته است. تشریح عملکرد الگوریتم‌های ماشینی، مفهوم دیگری است که نویسنده به توضیح آن پرداخته. خواننده با مطالعه‌ی این بخش با پیش‌بینی و چانه‌زنی (از دیدگاه نظریه‌ی بازی‌ها)، در حوزه‌ی مالی آشنا می‌شود. مطالعه‌ی این مفاهیم، به مخاطب کمک می‌کند تا درک واقع‌بینانه‌ای از قابلیت‌ها و محدودیت‌های هوش مصنوعی و یادگیری ماشین در حوزه‌ی مالی به دست آورد. این دانش باعث می‌شود خواننده فراتر از مفاهیم تئوری حرکت کرده و با چگونگی عملکرد الگوریتم‌ها و تأثیر آن‌ها بر پیش‌بینی و تحلیل در امور مالی آشنا شود. چنین آگاهی، مخاطب را قادر می‌سازد تا با نگاهی دقیق‌تر و هوشمندانه‌تر از ابزارهای هوش مصنوعی در دنیای مالی استفاده کند.

نقش هم‌گرایِ مدل‌سازی، شبیه‌سازی و یادگیری ماشین با هدف توسعه‌ی یک ابزار قدرتمند در حوزه‌ی مالی، مفهوم مهمی است که ادوارد پی کی تسانگ به توضیح آن پرداخته است تسانگ، مباحث کتاب حاضر را با توضیحاتی درباره‌ی شیوه‌های بهینه‌سازیِ سبد سرمایه‌گذاری با کمک هوش مصنوعی، به پایان رسانده است. مطالعه‌ی این کتاب مالی خواننده را با این واقعیت آگاه می‌کند که هوش مصنوعی، فقط به الگوریتم‌ها خلاصه نمی‌شود و از لحاظ عملکرد، کاربردهای مختلفی در حوزه‌های مالی دارد.

کتاب کاربرد هوش مصنوعی در امور مالی را انتشارات آتی نگر با ترجمه‌ی آمنه خدیور و مهدیه مرادی، چاپ و روانه‌ی بازار کرده است.

نکوداشت‌های کتاب کاربرد هوش مصنوعی در امور مالی

• کتاب کاربرد هوش مصنوعی در امور مالی کوششی مفید و به‌موقع است در جهت شناساندن رابطه‌ی تحلیل تکنیکال بازارهای مالی و نتایجی که به صورت خودکار از آن حاصل می‌شود. برای کسانی که می‌خواهند از این رابطه به شکلی کاملاً کاربردی آگاه شوند؛ تحلیل‌گران حرفه‌ای بازار مالی و کسانی که به دنبال استخدام در این حوزه هستند، خواندنی است. (مایکل دمپستر، استاد ممتاز آزمایشگاه آمار دانشگاه کمبریج)
• در دنیای امروز، هوش مصنوعی به بخش مهمی از زندگی مالی تبدیل شده. بر دانشجویانی که می‌خواهند وارد صنعت مالی شوند، واجب است این کتاب را بخوانند. متخصصان باتجربه نیز بینش‌های زیادی در این کتاب پیدا خواهند کرد. هیچ کتاب دیگری به ذهنم نمی‌رسد که امور مالی محاسباتی را در سطح مقدماتی آموزش دهد و همزمان برای متخصصان کاربردی باشد. (آمادئو آلنتورن، دکترای مدیریت دارایی ژوپیتر در بخش سهام سیستمی)

کتاب کاربرد هوش مصنوعی در امور مالی برای شما مناسب است اگر

• دانشجوی رشته‌ی اقتصاد یا کارشناس مالی هستید و می‌خواهید با ظرفیت‌ها و محدودیت‌های هوش مصنوعی در حوزه‌ی کاری خود آشنا شوید.
• دانشجو یا متخصص کامپیوتر هستید و به دنبال کاربردهای عملی هوش مصنوعی در امور مالی و سرمایه‌گذاری می‌گردید.
• به دنبال یک منبع کاربردی و روان هستید که بدون نیاز به دانش قبلی اطلاعات کاملی درباره‌ی کاربرد هوش مصنوعی در امور مالی پیش روی شما قرار دهد.
• می‌خواهید بدانید که چگونه هوش مصنوعی می‌تواند مفروضات اقتصاد کلاسیک را به چالش بکشد.

در بخشی از کتاب کاربرد هوش مصنوعی در امور مالی می‌خوانیم

الگوریتم‌های یادگیری ماشین، عوامل کلیدی در فرایندهای یادگیری با ناظر هستند؛ با این حال، یادگیری با ناظر بدون داده‌های باکیفیت و کافی، نتایج مطلوبی نخواهد داشت. حجم داده‌ها، نقش تعیین‌کننده‌ای در عملکرد مدل‌های یادگیری ماشین ایفا می‌کند. به‌طور کلی، افزایش حجم داده‌ها، منجر به بهبود عملکرد مدل‌ها می‌شود. یادگیری با ناظر، یک فرایند تعمیم‌دهی است که الگوهای قابل‌پیش‌بینی در داده‌ها را شناسایی می‌کند. هدف این فرایند، پیش‌بینی رفتارهای آینده بر اساس الگوهای شناسایی‌شده است. نکته‌ی قابل‌توجه آن است که تعمیم‌دهی از نمونه‌های محدود، احتمال خطا را افزایش می‌دهد و استفاده از داده‌های بیشتر، احتمال تعمیم موفق را بهبود می‌بخشد.

با این حال، فرض ثبات شرایط بازار در طول زمان، همواره دقیق نیست. در مثال پیش‌بینی قیمت سهام در پایان روز (مورد بحث در بخش 1-3)، استفاده از داده‌های تاریخی 750 روزه (حدود سه سال) نسبت به 250 روزه، معمولاً به نتایج دقیق‌تری منجر می‌شود. اما آیا استفاده از داده‌های 40 سال گذشته (10.000 روز) ایده خوبی است؟ پاسخ منفی است. تغییرات ساختاری بازار پس از بحران مالی 2007 و 2008، الگوهای تاریخی را تحت تأثیر قرار داده است. به عبارت دیگر، الگوهایی که در گذشته مشاهده می‌شدند، لزوماً در آینده تکرار نخواهند شد. بنابراین، گنجاندن داده‌های قبل از بحران مالی، ممکن است به جای بهبود، عملکرد مدل‌های پیش‌بینی را کاهش دهد. برای دستیابی به نتایج دقیق‌تر، بهتر است از داده‌هایی استفاده شود که بازه زمانی آن‌ها با شرایط فعلی بازار هم‌خوانی بیشتری داشته باشد.

علاوه بر تغییرات چشمگیر در بازار، روش‌های معاملاتی نیز متحول شده‌اند. همان‌گونه که پیش‌تر اشاره شد، معاملات الگوریتمی به‌طور فزاینده‌ای جایگزین روش‌های سنتی شده‌اند که این مسئله منجر به تفاوت‌های چشمگیر در شیوه‌های معامله می‌شود.

فهرست مطالب کتاب

کاربرد هوش مصنوعی در امور مالی
دکتر ادوارد پی.کی.تسانگ
پیشگفتار
مقدمه
1: هم‌افزایی هوش مصنوعی و امور مالی
1-1 اهمیت سرعت
2-1 کشف فرصت بر سرعت اجرای معامله ارجحیت دارد
3-1 بازشناسی الگو
4-1 داده‌کاوی
5-1 پیش‌بینی
6-1 چکیده‌ پایانی: هم‌افزایی بین هوش مصنوعی و امور مالی
2: آیا یادگیری ماشین مرزهای ناشناخته‌ای دارد؟
1-2 AlphaGo: دستاوردی درخشان
2-2 هوش مصنوعی عمومی: باغ گل رز (هوش مصنوعی فراگیر)
3-2 پیچیدگی: واقعیت
4-2 انفجار ترکیبی، معضل محاسباتی
5-2 حلقه مفقوده در اقتصاد کلاسیک
6-2 وابستگی متقابل: هم‌زیستی یا نابودی
7-2 چکیده: توانمند اما واقع‌گرایانه
3: یادگیری ماشین در امور مالی
1-3 یادگیری ماشین برای پیش‌بینی
2-3 یادگیری با ناظر
3-3 شناخت داده‌های خود
4-3 نگاهی کوتاه به نظریه بازی‌ها
5-3 «یادگیری بدون ناظر» برای چانه‌زنی
6-3 چکیده: یادگیری ماشین، رویدادی تحول‌آفرین
4: مدل‌سازی، شبیه‌سازی و یادگیری ماشین
1-4 مدل‌سازی
2-4 مدل‌سازی: ابزاری ارزشمند اما تقریبی
3-4 شبیه‌سازی: فراتر از تحلیل‌های ریاضی
4-4 مطالعه موردی: تحلیل ریسک
5-4 افزودن یادگیری ماشین به مدل‌سازی و شبیه‌سازی
6-4 طراحی سازوکار
7-4 نتیجه‌گیری: مدل‌سازی-شبیه‌سازی-یادگیری، ترکیبی قدرتمند
5: بهینه‌سازی سبد (سرمایه‌گذاری)
1-5 به حداکثر رساندن سود، به حداقل رساندن ریسک
2-5 مدل مارکوویتز برای بهینه‌سازی سبد (سرمایه‌گذاری)
3-5 بهینه‌سازی محدود
4-5 بهینه‌سازی دو هدفه
5-5 واقعیت بسیار پیچیده‌تر است
6-5 علوم اقتصاد در برابر علوم کامپیوتر
7-5 خلاصه
6: داده‌های مالی: فراتر از تحلیل سری‌های زمانی
1-6 ماهیت بنیادین زمان
2-6 بازنمایی زمان مبتنی بر رویداد
3-6 سنجش نوسان‌های بازار بر اساس تغییر جهت
4-6 دو دیدگاه بهتر از یک دیدگاه است
5-6 اکتشافات نوظهور در مطالعات تغییر جهت‌
6-6 پژوهش در حوزه تغییر جهت
7-6 نتیجه‌گیری: بازنمایی نوین، مرزهای نوین
7: فراسوی افق
1-7 معاملات الگوریتمی خودکار
2-7 معاملات برنامه‌ای سفارش‌های پرشمار پرسرعت
3-7 بلاک‌چین
4-7 استخراج اطلاعات از منابع خبری
5-7 علم مالی به‌مثابه یک علم سخت
توضیحات کتاب‌شناختی
کتاب‌شناسی