158883
Book
In basket
Uczenie się na podstawie interakcji Uczenie bayesowskie Rzuty niesymetryczną monetą Rzuty niesymetryczną kością Aktualizacje bayesowskie Uczenie przez wzmacnianie Najważniejsze przełomowe osiągnięcia Główne elementy składowe Deep Q-Learning (DQL) Deep Q-learning Problemy decyzyjne Programowanie dynamiczne Q-Learning Przykłady z grą CartPole Środowisko gry Losowy agent Agent DQL Q-Learning a uczenie nadzorowane Algorytm Q-learning w finansach Środowisko Finance Agent DQL Miejsca, w których analogia zawodzi Ograniczona ilość danych Brak wpływu Rozszerzanie danych Symulowane dane Szeregi czasowe z szumem Symulowane szeregi czasowe Klasa Pythona DQLAgent Dane generowane Prosty przykład Przykład finansowy Test Kołmogorowa-Smirnowa Zastosowania finansowe Handel algorytmiczny Jeszcze o grze predykcyjnej Środowisko Trading Agent transakcyjny Środowisko Finance Klasa DQLAgent Środowisko Simulation Dynamiczny hedging Delta hedging Środowisko Hedging Agent do hedgingu Wzór według modelu BSM (1973) Dynamiczna alokacja w aktywa Podział między dwa fundusze Scenariusz z dwoma aktywami Scenariusz z trzema aktywami Portfel o równych wagach Kod dla scenariusza z trzema aktywami Optymalna realizacja zleceń Model Implementacja modelu Środowisko realizacji transakcji Agent losowy Agent do realizacji transakcji
Sygnatura czytelni BWEAiI: XII Ł 13
Media files:
Availability:
Biblioteka WEAiI
Copies are only available in the library: sygn. 157447 N (1 egz.)
Notes:
Tytuł oryginału: Reinforcement learning for finance : a Python-based introduction, 2025
General note
Na stronie tytułowej i okładce także nazwa wydawcy oryginału: O'Reilly.
Bibliography, etc. note
Bibliografie, netografie przy rozdziałach.
Target audience note
Dla naukowców i praktyków poszukujących skutecznych algorytmów, przydatnych w pracy z finansami.
The item has been added to the basket. If you don't know what the basket is for, click here for details.
Do not show it again

Accessibility declaration