【2022新书】强化学习基础及其在金融中的应用,522页pdf

2022 年 11 月 6 日 专知

《强化学习与金融应用基础》旨在揭开强化学习的神秘面纱,使其成为应用领域特别是金融领域的研究和工作的实用工具
https://www.routledge.com/Foundations-of-Reinforcement-Learning-with-Applications-in-Finance/Rao-Jelvis/p/book/9781032124124
强化学习是一种强大的技术,用于解决各种复杂的行业问题,涉及不确定性下的顺序最优决策。它在自动驾驶汽车、机器人和战略游戏等备受瞩目的问题上的渗透,表明未来强化学习算法的决策能力将远远优于人类。但当涉及到这一领域的教育时,人们似乎不愿意直接投入其中,因为强化学习似乎已经获得了神秘和具有技术挑战性的名声。
这本书通过强调基础数学,用设计良好的Python代码实现模型和算法,以及对几个可以用强化学习解决的金融交易问题的稳健覆盖,努力传递对该主题的清晰和深刻的理解。这本书是在这些主题的教育学上经过多年的迭代实验而创建的,同时被教授给大学生以及行业从业者。
特性
  • 重点研究强化学习的基础理论以及相应模型和算法的软件设计
  • 适合作为强化学习课程的主要文本,也可以作为应用/金融数学、编程和其他相关课程的补充阅读
  • 适合定量分析师或数据科学家的专业观众
  • 将理论/数学、编程/算法和现实世界的金融细微差别融合在一起,同时始终努力保持简单,建立直观的理解。


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“R522” 就可以获取【2022新书】强化学习基础及其在金融中的应用,522页pdf》专知下载链接

                       
专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取100000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取100000+AI主题知识资料

登录查看更多
9

相关内容

强化学习(RL)是机器学习的一个领域,与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外,强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于,不需要呈现带标签的输入/输出对,也不需要显式纠正次优动作。相反,重点是在探索(未知领域)和利用(当前知识)之间找到平衡。 该环境通常以马尔可夫决策过程(MDP)的形式陈述,因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于,后者不假设MDP的确切数学模型,并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【2022新书】深度强化学习基础: Python的理论与实践
专知会员服务
136+阅读 · 2022年11月18日
【2022新书】应用Python进行时间序列分析与预测,377页pdf
专知会员服务
140+阅读 · 2022年11月3日
【干货书】强化学习Python真实数据与实例应用,110页pdf
专知会员服务
112+阅读 · 2022年10月13日
【2022新书】数据科学的实用线性代数,328页pdf
专知会员服务
135+阅读 · 2022年9月17日
【2022新书】机器学习与数据科学:基础与应用,272页pdf
专知会员服务
108+阅读 · 2022年8月3日
【2022新书】人工智能在工业4.0与5G技术中的应用,355页pdf
【实用书】强化学习实战:Python,110页pdf
专知会员服务
147+阅读 · 2022年6月9日
【2022新书】强化学习工业应用,408页pdf
专知会员服务
227+阅读 · 2022年2月3日
【斯坦福经典书】强化学习在金融应用,414页pdf
专知会员服务
122+阅读 · 2021年3月30日
【斯坦福干货书】强化学习基金融领域应用,312页pdf
专知会员服务
132+阅读 · 2020年12月22日
【简明书】强化学习的基础,111页pdf
专知
1+阅读 · 2022年11月16日
【实用书】强化学习实战:Python,110页pdf
【2022新书】强化学习工业应用
专知
17+阅读 · 2022年2月3日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年12月29日
Arxiv
17+阅读 · 2022年1月11日
Arxiv
57+阅读 · 2021年5月3日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Arxiv
11+阅读 · 2018年4月25日
VIP会员
相关VIP内容
【2022新书】深度强化学习基础: Python的理论与实践
专知会员服务
136+阅读 · 2022年11月18日
【2022新书】应用Python进行时间序列分析与预测,377页pdf
专知会员服务
140+阅读 · 2022年11月3日
【干货书】强化学习Python真实数据与实例应用,110页pdf
专知会员服务
112+阅读 · 2022年10月13日
【2022新书】数据科学的实用线性代数,328页pdf
专知会员服务
135+阅读 · 2022年9月17日
【2022新书】机器学习与数据科学:基础与应用,272页pdf
专知会员服务
108+阅读 · 2022年8月3日
【2022新书】人工智能在工业4.0与5G技术中的应用,355页pdf
【实用书】强化学习实战:Python,110页pdf
专知会员服务
147+阅读 · 2022年6月9日
【2022新书】强化学习工业应用,408页pdf
专知会员服务
227+阅读 · 2022年2月3日
【斯坦福经典书】强化学习在金融应用,414页pdf
专知会员服务
122+阅读 · 2021年3月30日
【斯坦福干货书】强化学习基金融领域应用,312页pdf
专知会员服务
132+阅读 · 2020年12月22日
相关基金
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年12月29日
Arxiv
17+阅读 · 2022年1月11日
Arxiv
57+阅读 · 2021年5月3日
A Survey on Bayesian Deep Learning
Arxiv
63+阅读 · 2020年7月2日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Arxiv
11+阅读 · 2018年4月25日
Top
微信扫码咨询专知VIP会员