Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
Elektronik
Deals
Medien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 GenerationOnePlus 5 GenerationOnePlus 6 GenerationWeitere Modelle
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere ModelleXperia LXperia MXperia X
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
Zubehör
HuaweiAlle anzeigen
MatePad Pro Serie
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
Kamera Bundles
ObjektiveAlle anzeigen
SamyangZEISS
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
SmartwatchesAlle anzeigen
LGMotorolaSonyXiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Game Boy ClassicNintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
Zubehör
iPodAlle anzeigen
Zubehör

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Bayesian Machine Learning in Quantitative Finance

Wilson Tsakane Mongwe, Rendani Mbuvha, Tshilidzi Marwala (Gebundene Ausgabe, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This book offers a comprehensive discussion of the Bayesian inference framework and demonstrates why this probabilistic approach is ideal for tackling the various modelling problems within quantitative finance. It demonstrates how advanced Bayesian machine learning techniques can be applied within financial engineering, investment portfolio management, insurance, municipal finance management as well as banking. The book covers a broad range of modelling approaches, including Bayesian neural networks, Gaussian processes and Markov Chain Monte Carlo methods. It also discusses the utility of Bayesian inference in quantitative finance and discusses future research goals in the applications of Bayesian machine learning in quantitative finance. Chapters are rooted in the theory of quantitative finance and machine learning while also outlining a range of practical considerations for implementing Bayesian techniques into real-world quantitative finance problems. This book is ideal for graduate researchers and practitioners at the intersection of machine learning and quantitative finance, as well as those working in computational statistics and computer science more broadly.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 28,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
22.06.2025
Sprache
Englisch
EAN
9783031884306
Herausgeber
Springer International Publishing
Sonderedition
Nein
Autor
Wilson Tsakane Mongwe, Rendani Mbuvha, Tshilidzi Marwala
Seitenanzahl
329
Einbandart
Gebundene Ausgabe
Buch Untertitel
Theory and Practical Applications
Schlagwörter
Bayesian machine learning, financial engineering, modelling, investment analysis, Quantitative Finance, Gaussian processes, Bayesian neural networks, Monte Carlo methods, logistic regression, insurance claim modelling, sell-side analyst, Hawkes processes, Bayesian inference framework
Thema-Inhalt
KFFH - Unternehmensfinanzierung KCA - Wirtschaftstheorie und -philosophie UY - Informatik PBT - Wahrscheinlichkeitsrechnung und Statistik PBWL - Stochastik
Höhe
210 mm
Breite
14.8 cm

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!