lo adottano, in 1 ateneo1 docente · 1 corso di laurea
Scheda libro
Titolo
Advances in financial machine learning
Autori
Lopez De Prado, Marcos Marcos Lopez De Prado
Editore
Wiley, 2018
Edizione
2018
ISBN
9781119482086
Lingua
Inglese
Pagine
366
Tipo
Manuale universitario
Studio
≈ 4 settimane
Cosa si studia con questo libro de Prado – Advances in Financial Machine Learning: di cosa parla
Advances in Financial Machine Learning, di M. López de Prado, pubblicato da Wiley nel 2018, è un testo che applica le tecniche di apprendimento automatico alla finanza quantitativa. Affronta problemi tipici della ricerca finanziaria, tra preparazione dei dati, costruzione di strategie, valutazione dei modelli e gestione del rischio di sovradattamento. È rivolto a studenti di finanza, economia e statistica di livello magistrale e a professionisti, e si adatta a insegnamenti di machine learning per la gestione di portafogli e di investimenti.
Dove acquistarlo de Prado – Advances in Financial Machine Learning: prezzo nuovo e usato su Amazon, IBS e Libraccio
Di cosa si tratta: Una visione moderna dell'asset management vede il machine learning ridefinire la costruzione di portafogli e i processi decisionali in ambito finanziario. Si parte dai limiti degli approcci classici, basati su ipotesi statiche, relazioni lineari e stime dei parametri spesso instabili, per introdurre metodi data-driven che si adattano all'evoluzione dei regimi di mercato e alle interazioni tra classi di attività finanziarie.
Domande frequenti su de Prado – Advances in Financial Machine Learning
Per quale esame serve de Prado – Advances in Financial Machine Learning?
È indicato per Machine Learning For Asset Management a Bologna, dal prof. Maurizio Morini. A.a. 2026/2027.
Quali libri indica il prof. Maurizio Morini per Machine Learning For Asset Management?
Per Machine Learning For Asset Management (Bologna) il prof. Maurizio Morini indica de Prado – Advances in Financial Machine Learning; l'elenco completo dei testi, obbligatori e facoltativi, è nella sezione «Chi lo adotta» di questa pagina.
Qual è il prezzo migliore di de Prado – Advances in Financial Machine Learning?
Prezzi rilevati: Feltrinelli 52,50 €. Il comparatore prezzi di questa pagina mette a confronto Amazon, IBS e Libraccio, nuovo e usato: su Amazon il prezzo aggiornato è nella scheda del negozio.
Quanto tempo serve per studiare de Prado – Advances in Financial Machine Learning?
≈ 4 settimane: il tempo è calcolato sulle pagine del libro e sui crediti dell'esame.
Qual è l'ISBN di de Prado – Advances in Financial Machine Learning?
L'ISBN è 9781119482086 (editore Wiley).
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Come leggere questi datiCome è calcolata la difficoltà ›
Crediti (CFU)
50%
1 CFU = 25 ore di studio (dato ufficiale). Più crediti, più ore.
Densità di lettura
50%
pagine dei libri indicati divisi per i CFU (pagine dalla scheda SBN; se non note, una stima di 400 pagine a libro).
Ogni esame si confronta solo con quelli della sua area (scientifico-tecnica, umanistica, giuridico-sociale, sanitaria, economica): un esame di lettere non viene misurato con matematica. Il numero 1-10 è la posizione dell'esame nella sua area; per il libro si fa la media degli esami che lo adottano. Non contano anno di corso, laurea triennale o magistrale e lunghezza del programma: non dicono quanto si studia. È una stima del carico, non una difficoltà misurata.
Atenei e facoltà in ordine di diffusione. Per ogni esame: docente, corso di laurea, facoltà e il confronto con gli altri libri che indica.
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy