Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air GenerationiPhone Duo Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
SonyAlle anzeigen
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
GoogleKobo
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Using Fundamental Analysis and an Ensemble of Classifier Models Along with a Risk-Off Filter to Select Outperforming Companies

Manuel Moura, Rui Neves (Gebundene Ausgabe, Englisch)

Optischer Zustand
Beschreibung
This book develops a quantitative stock market investment methodology using financial indicators that beats the benchmark of S&P500 index. To achieve this goal, an ensemble of machine learning models is meticulously constructed, incorporating four distinct algorithms: support vector machine, k-nearest neighbors, random forest, and logistic regression. These models all make use of financial ratios…  extracted from company financial statements for the purposes of predictive forecasting. The ensemble classifier is subject to a strict testing of precision which compares it to the performance of its constituent models separately. Rolling window and cross-validation tests are used in this evaluation in order to provide a comprehensive assessment framework. A risk-off filter is developed to limit risk during uncertain market periods, and consequently to improve the Sharpe ratio of the model. The risk adjusted performance of the final model, supported by the risk-off filter, achieves a Sharpe ratio of 1.63 which surpasses both the model’s performance without the filter that delivers Sharpe ratio of 1.41 and the one from the S&P500 index of 0.80. The substantial increase in risk-adjusted returns is accomplished by reducing the model’s volatility from an annual standard of deviation of 15.75% to 11.22%, which represents an almost 30% decrease in volatility.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 22,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

21 Tage Widerrufsrecht

Technische Daten


Erscheinungsdatum
19.06.2024
Sprache
Englisch
EAN
9783031620607
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
Synthesis Lectures on Technology Management & Entrepreneurship
Sonderedition
Nein
Autor
Manuel Moura, Rui Neves
Seitenanzahl
71
Auflage
1
Einbandart
Gebundene Ausgabe
Schlagwörter
Machine Learning, Computational Finance, Value Investing, Ensemble Method, Predictive Forecasting
Thema-Inhalt
UYQ - Künstliche Intelligenz PBW - Angewandte Mathematik K - Wirtschaftswissenschaft, Finanzen, Betriebswirtschaft und Management KCA - Wirtschaftstheorie und -philosophie
Höhe
240 mm
Breite
16.8 cm

Auf gebrauchten Artikeln oder Originalverpackungen sichtbare Umwelt-, Nachhaltigkeits- oder Zertifizierungsangaben stammen aus der ursprünglichen Herstellerkennzeichnung. Sie stellen keine eigene aktuelle Umwelt- oder Nachhaltigkeitsaussage von rebuy dar. Maßgeblich für das Angebot sind ausschließlich die von rebuy in der Artikelbeschreibung angegebenen Produkteigenschaften.

Transparenz & Sicherheit

Hersteller: Springer, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!