کتاب یادگیری تقویتی چندعامله در مدیریت پورتفولیوهای با فرکانس بالا با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری تقویتی چندعامله در مدیریت پورتفولیوهای با فرکانس بالا

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های مدیریت پورتفولیو

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری تقویتی
  • 2. مبانی یادگیری تقویتی
  • 3. مدل‌های یادگیری تقویتی
  • 4. یادگیری بدون نظارت و با نظارت
  • 5. تفاوت یادگیری تقویتی با سایر روش‌ها
  • 6. اصطلاحات کلیدی در یادگیری تقویتی
  • 7. عامل، محیط، حالت، عمل، پاداش
  • 8. تابع ارزش و تابع سیاست
  • 9. فرآیندهای تصمیم‌گیری مارکوف (MDP)
  • 10. معادلات بلمن
  • 11. روش‌های مقدار-محور
  • 12. روش‌های سیاست-محور
  • 13. یادگیری آفلاین و آنلاین
  • 14. یادگیری با مدل و بدون مدل
  • 15. الگوریتم‌های مونت کارلو
  • 16. یادگیری تفاوت زمانی (TD Learning)
  • 17. SARSA
  • 18. Q-Learning
  • 19. Deep Q-Networks (DQN)
  • 20. Double DQN
  • 21. Dueling DQN
  • 22. Prioritized Experience Replay
  • 23. Noise Networks
  • 24. Intrinsic Motivation
  • 25. Multi-Agent Reinforcement Learning (MARL)
  • 26. مفاهیم اساسی در MARL
  • 27. انواع محیط‌های چندعامله
  • 28. مدل‌های همکاری در MARL
  • 29. مدل‌های رقابت در MARL
  • 30. بازی‌های مجموع-صفر
  • 31. بازی‌های مجموع-غیرصفر
  • 32. مدل‌های مختلط
  • 33. بازی‌های تکرارشونده
  • 34. توازن نش (Nash Equilibrium)
  • 35. توازن کورنو (Cournot Equilibrium)
  • 36. توازن اش (Stackelberg Equilibrium)
  • 37. مدیریت پورتفولیو
  • 38. مبانی مدیریت پورتفولیو
  • 39. تئوری مدرن پورتفولیو (MPT)
  • 40. مفاهیم ریسک و بازده
  • 41. بهینه‌سازی پورتفولیو
  • 42. مدل مارکوویتز
  • 43. رابطه ریسک و بازده
  • 44. مدیریت ریسک در پورتفولیو
  • 45. شاخص‌های ارزیابی عملکرد پورتفولیو
  • 46. بازده تعدیل شده با ریسک
  • 47. نسبت شارپ
  • 48. نسبت سورتینو
  • 49. نسبت ترِینور
  • 50. مدیریت پورتفولیو با فرکانس بالا (HFT)
  • 51. ویژگی‌های HFT
  • 52. چالش‌های HFT
  • 53. معماری سیستم‌های HFT
  • 54. سرعت و تأخیر در HFT
  • 55. تکنیک‌های اجرای معاملات در HFT
  • 56. بازارهای مالی و HFT
  • 57. استراتژی‌های معاملاتی در HFT
  • 58. یادگیری تقویتی در HFT
  • 59. کاربرد MARL در HFT
  • 60. مدیریت پورتفولیوی چندعامله با فرکانس بالا
  • 61. مدل‌سازی عامل‌ها در HFT
  • 62. تعامل عامل‌ها در HFT
  • 63. همکاری عامل‌ها در HFT
  • 64. رقابت عامل‌ها در HFT
  • 65. بهینه‌سازی استراتژی‌های معاملاتی با MARL
  • 66. یادگیری سیاست‌های معاملاتی پویا
  • 67. مدیریت ریسک تطبیقی در HFT
  • 68. پیاده‌سازی و ارزیابی مدل‌های MARL در HFT
  • 69. مقیاس‌پذیری مدل‌های MARL
  • 70. پایداری مدل‌های MARL
  • 71. اعتبارسنجی مدل‌ها در بازارهای واقعی
  • 72. تحلیل حساسیت مدل‌ها
  • 73. مطالعات موردی در HFT با استفاده از MARL
  • 74. آموزش عامل‌ها با داده‌های تاریخی
  • 75. شبیه‌سازی محیط‌های معاملاتی
  • 76. ارزیابی عملکرد در سناریوهای مختلف
  • 77. ملاحظات عملی در پیاده‌سازی HFT با MARL
  • 78. قابلیت تفسیرپذیری مدل‌ها
  • 79. مسائل اخلاقی و نظارتی در HFT
  • 80. آینده یادگیری تقویتی چندعامله در مدیریت پورتفولیو
تگ‌ها: MARL استراتژی معاملاتی بازارهای مالی تحلیل کمی فرکانس بالا مدیریت پورتفولیو معاملات الگوریتمی هوش مصنوعی مالی یادگیری تقویتی یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.