Product details:
| ISBN13: | 9783658417192 |
| ISBN10: | 3658417196 |
| Binding: | Paperback |
| No. of pages: | 500 pages |
| Size: | 235x155 mm |
| Language: | German |
| Illustrations: | Etwa 500 S. |
| 700 |
Category:
Künstliche Intelligenz in der Finanzwirtschaft
Daten, Methoden und Anwendungen
Edition number: 1. Aufl. 2024
Publisher: Springer Gabler
Date of Publication: 26 January 2025
Number of Volumes: 1 pieces, Book
Normal price:
Publisher's listprice:
EUR 64.99
EUR 64.99
Your price:
22 600 (21 524 HUF + 5% VAT )
discount is: 20% (approx 5 650 HUF off)
Discount is valid until: 31 December 2024
The discount is only available for 'Alert of Favourite Topics' newsletter recipients.
Click here to subscribe.
Click here to subscribe.
Availability:
Not yet published.
Short description:
Dieses Lehrbuch stellt die wesentlichen Methoden und Anwendungsgebiete der Künstlichen Intelligenz und der Analyse großer Datenmengen bei Finanzintermediären und Industrieunternehmen im Bereich der Finanzwirtschaft dar. Es vermittelt die Grundlagen und fortgeschrittene Methoden der KI und ihrer Anwendungen in der Finanzwirtschaft und unterstützt bei der Vorbereitung auf das Berufsleben im quantitativen Asset- und Risikomanagement. Das Buch kann begleitend zu universitären Lehrveranstaltungen im Bereich Financial Data Analytics, Risiko- und Investmentmanagement benutzt werden.
Long description:
Dieses Lehrbuch stellt die wesentlichen Methoden und Anwendungsgebiete der Künstlichen Intelligenz und der Analyse großer Datenmengen bei Finanzintermediären und Industrieunternehmen im Bereich der Finanzwirtschaft dar. Es vermittelt die Grundlagen und fortgeschrittene Methoden der KI und ihrer Anwendungen in der Finanzwirtschaft und unterstützt bei der Vorbereitung auf das Berufsleben im quantitativen Asset- und Risikomanagement. Das Buch kann begleitend zu universitären Lehrveranstaltungen im Bereich Financial Data Analytics, Risiko- und Investmentmanagement benutzt werden.
Table of Contents:
Datenarten, Datenquellen und Datenaufbereitung.- Klassische Regressionsverfahren.- LASSO, Ridge-Regression und Elastic-Net-Regularisierung.- Kreuzvalidierung.- K-Nächste-Nachbarn-Klassifikation, Support Vector Machines und ihre Anwendung im Kreditrisikomanagement.- Klassifikations-/Regressionsbäume und Anwendungen im Asset Pricing.- Künstliche Neuronale Netze, tiefes maschinelles Lernen und Mustererkennung in Finanzdaten.- Regulierung von KI in der Finanzwirtschaft.- Ethische Aspekte.