Deep Learning in Quantitative Trading (Elements in Quantitative Finance) - Softcover
Buch 7 von 7: Elements in Quantitative Finance
Inhaltsangabe
Provides a comprehensive guide to deep learning in quantitative trading, merging foundational theory with hands-on applications.
Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.
Weitere beliebte Ausgaben desselben Titels
Suchergebnisse für Deep Learning in Quantitative Trading (Elements in...
Beispielbild für diese ISBN
Deep Learning In Quantitative Trading
Anbieter: GreatBookPrices, Columbia, MD, USA
Verkäuferbewertung 5 von 5 Sternen
Zustand: New. Bestandsnummer des Verkäufers 50875775-n
Neu kaufen
EUR 24,43
EUR 2,26 Versand
Versand innerhalb von USA
Versand innerhalb von USA
Anzahl: Mehr als 20 verfügbar
Foto des Verkäufers
Deep Learning in Quantitative Trading (Paperback or Softback)
Verlag:
Cambridge University Press 10/30/2025, 2025
ISBN 10: 1009707116
ISBN 13: 9781009707114
Neu
Paperback or Softback
Anbieter: BargainBookStores, Grand Rapids, MI, USA
Verkäuferbewertung 5 von 5 Sternen
Paperback or Softback. Zustand: New. Deep Learning in Quantitative Trading. Book. Bestandsnummer des Verkäufers BBS-9781009707114
Beispielbild für diese ISBN
Deep Learning in Quantitative Trading (Elements in Quantitative Finance)
Anbieter: California Books, Miami, FL, USA
Verkäuferbewertung 4 von 5 Sternen
Zustand: New. Bestandsnummer des Verkäufers I-9781009707114
Neu kaufen
EUR 27,38
Versand gratis
Versand innerhalb von USA
Versand innerhalb von USA
Anzahl: Mehr als 20 verfügbar
Foto des Verkäufers
Deep Learning in Quantitative Trading
Verlag:
Cambridge University Press, GB, 2025
ISBN 10: 1009707116
ISBN 13: 9781009707114
Neu
Paperback
Anbieter: Rarewaves.com USA, London, LONDO, Vereinigtes Königreich
Verkäuferbewertung 5 von 5 Sternen
Paperback. Zustand: New. This Element provides a comprehensive guide to deep learning in quantitative trading, merging foundational theory with hands-on applications. It is organized into two parts. The first part introduces the fundamentals of financial time-series and supervised learning, exploring various network architectures, from feedforward to state-of-the-art. To ensure robustness and mitigate overfitting on complex real-world data, a complete workflow is presented, from initial data analysis to cross-validation techniques tailored to financial data. Building on this, the second part applies deep learning methods to a range of financial tasks. The authors demonstrate how deep learning models can enhance both time-series and cross-sectional momentum trading strategies, generate predictive signals, and be formulated as an end-to-end framework for portfolio optimization. Applications include a mixture of data from daily data to high-frequency microstructure data for a variety of asset classes. Throughout, they include illustrative code examples and provide a dedicated GitHub repository with detailed implementations. Bestandsnummer des Verkäufers LU-9781009707114
Neu kaufen
EUR 28,50
Versand gratis
Versand von Vereinigtes Königreich nach USA
Versand von Vereinigtes Königreich nach USA
Anzahl: Mehr als 20 verfügbar
Beispielbild für diese ISBN
Deep Learning In Quantitative Trading
Verlag:
Cambridge University Press, 2025
ISBN 10: 1009707116
ISBN 13: 9781009707114
Gebraucht
Softcover
Anbieter: GreatBookPrices, Columbia, MD, USA
Verkäuferbewertung 5 von 5 Sternen
Zustand: As New. Unread book in perfect condition. Bestandsnummer des Verkäufers 50875775
Gebraucht kaufen
EUR 27,26
EUR 2,26 Versand
Versand innerhalb von USA
Versand innerhalb von USA
Anzahl: Mehr als 20 verfügbar
Foto des Verkäufers
Deep Learning in Quantitative Trading
Verlag:
Cambridge University Press, GB, 2025
ISBN 10: 1009707116
ISBN 13: 9781009707114
Neu
Paperback
Anbieter: Rarewaves USA, OSWEGO, IL, USA
Verkäuferbewertung 5 von 5 Sternen
Paperback. Zustand: New. This Element provides a comprehensive guide to deep learning in quantitative trading, merging foundational theory with hands-on applications. It is organized into two parts. The first part introduces the fundamentals of financial time-series and supervised learning, exploring various network architectures, from feedforward to state-of-the-art. To ensure robustness and mitigate overfitting on complex real-world data, a complete workflow is presented, from initial data analysis to cross-validation techniques tailored to financial data. Building on this, the second part applies deep learning methods to a range of financial tasks. The authors demonstrate how deep learning models can enhance both time-series and cross-sectional momentum trading strategies, generate predictive signals, and be formulated as an end-to-end framework for portfolio optimization. Applications include a mixture of data from daily data to high-frequency microstructure data for a variety of asset classes. Throughout, they include illustrative code examples and provide a dedicated GitHub repository with detailed implementations. Bestandsnummer des Verkäufers LU-9781009707114
Neu kaufen
EUR 29,70
Versand gratis
Versand innerhalb von USA
Versand innerhalb von USA
Anzahl: Mehr als 20 verfügbar
Beispielbild für diese ISBN
Deep Learning in Quantitative Trading (Paperback)
Verlag:
Cambridge University Press, Cambridge, 2025
ISBN 10: 1009707116
ISBN 13: 9781009707114
Neu
Paperback
Anbieter: Grand Eagle Retail, Bensenville, IL, USA
Verkäuferbewertung 5 von 5 Sternen
Paperback. Zustand: new. Paperback. This Element provides a comprehensive guide to deep learning in quantitative trading, merging foundational theory with hands-on applications. It is organized into two parts. The first part introduces the fundamentals of financial time-series and supervised learning, exploring various network architectures, from feedforward to state-of-the-art. To ensure robustness and mitigate overfitting on complex real-world data, a complete workflow is presented, from initial data analysis to cross-validation techniques tailored to financial data. Building on this, the second part applies deep learning methods to a range of financial tasks. The authors demonstrate how deep learning models can enhance both time-series and cross-sectional momentum trading strategies, generate predictive signals, and be formulated as an end-to-end framework for portfolio optimization. Applications include a mixture of data from daily data to high-frequency microstructure data for a variety of asset classes. Throughout, they include illustrative code examples and provide a dedicated GitHub repository with detailed implementations. This Element provides a comprehensive guide to deep learning in quantitative trading, merging foundational theory with hands-on applications. This item is printed on demand. Shipping may be from multiple locations in the US or from the UK, depending on stock availability. Bestandsnummer des Verkäufers 9781009707114
Beispielbild für diese ISBN
Deep Learning In Quantitative Trading
Print-on-DemandAnbieter: Revaluation Books, Exeter, Vereinigtes Königreich
Verkäuferbewertung 5 von 5 Sternen
Paperback. Zustand: Brand New. 75 pages. 6.00x0.39x9.00 inches. In Stock. This item is printed on demand. Bestandsnummer des Verkäufers __1009707116
Neu kaufen
EUR 21,26
EUR 11,48 Versand
Versand von Vereinigtes Königreich nach USA
Versand von Vereinigtes Königreich nach USA
Anzahl: 1 verfügbar
Beispielbild für diese ISBN
Deep Learning in Quantitative Trading (Elements in Quantitative Finance)
Anbieter: Chiron Media, Wallingford, Vereinigtes Königreich
Verkäuferbewertung 5 von 5 Sternen
paperback. Zustand: New. Bestandsnummer des Verkäufers 6666-GRD-9781009707114
Neu kaufen
EUR 22,05
EUR 17,79 Versand
Versand von Vereinigtes Königreich nach USA
Versand von Vereinigtes Königreich nach USA
Anzahl: 1 verfügbar
Beispielbild für diese ISBN
Deep Learning in Quantitative Trading (Elements in Quantitative Finance)
Anbieter: Kennys Bookshop and Art Galleries Ltd., Galway, GY, Irland
Verkäuferbewertung 5 von 5 Sternen
Zustand: New. 2025. paperback. . . . . . Bestandsnummer des Verkäufers V9781009707114
Neu kaufen
EUR 31,26
EUR 10,50 Versand
Versand von Irland nach USA
Versand von Irland nach USA
Anzahl: 1 verfügbar