کتاب‌هایی درباره نقش هوش مصنوعی، یادگیری عمیق و بیگ‌دیتا در امور مالی
مروری بر کتاب‌های «نسل‌ها»، «هوش مصنوعی برای امور مالی»، «یادگیری عمیق برای امور مالی» و «علم بیگ‌دیتا در امور مالی»
عصر تراکنش ۸۸ / در هشتادوهشتمین شماره از ماهنامه عصر تراکنش به روال همیشگی‌مان مروری بر مطالب چهار کتاب مهم صنعت فناوری‌های مالی جهان داشتیم؛ کتاب‌هایی که مطالعه آنها برای مدیران و علاقه‌مندان این حوزه خالی از لطف نیست. «نسل‌ها»، «هوش مصنوعی برای امور مالی»، «یادگیری عمیق برای امور مالی» و «علم بیگ‌دیتا در امور مالی» چهار کتابی هستند که در ادامه نگاهی اجمالی بر آنها خواهیم داشت.
نسل‌ها: تفاوت‌های واقعی بین نسل زد، هزاره،نسل ایکس، بومرها، خاموش‌ها و معنای آنها برای آینده آمریکا
چرا مهم است: در کتاب «نسل‌ها»، جین توینج، تفاوت‌های عمیقی که در رفتار، نگرش‌ها و ارزش‌های نسل‌های مختلف، از نسل زد گرفته تا نسل خاموش، را تجزیه و تحلیل می‌کند و نشان می‌دهد که این تفاوت‌ها چگونه روی صورت‌بندی جامعه و اقتصاد آمریکا در آینده تأثیر می‌گذارد. نویسنده تصویر شفاف و روشنی از زندگی شش نسل فعلی آمریکا و چگونگی ارتباط، تقابل و رقابت آنها با یکدیگر را به ما نشان می‌دهد. خاموش‌ها بین سال‌های ۱۹۲۵ تا ۱۹۴۵ به دنیا آمده‌اند. بومرها متولدان سال‌های ۱۹۴۶ تا ۱۹۶۴ هستند. نسل زد در میانه سال‌های ۱۹۶۵ تا ۱۹۷۹ به دنیا آمده‌اند و هزاره‌‌ها متولدان سال‌های ۱۹۸۰ تا ۱۹۹۴ هستند.
به افرادی که بین سال‌های ۱۹۹۵ تا ۲۰۱۲ به دنیا آمده‌اند نیز نسل زد می‌گویند و در نهایت نسل آلفا را داریم که از سال ۲۰۱۲ به بعد به دنیا آمده‌اند. این کتاب توضیح می‌دهد که این نسل‌ها تجربه‌های بسیار متفاوتی در زندگی‌هایشان داشته‌اند. بنابراین باورها، رفتارها و واکنش‌های کاملاً متفاوتی دارند. این تفاوت‌ها، علل پیدایش و عمقشان چیست؟ نویسنده این کتاب به تحلیل تفاوت‌های فرهنگی و رفتاری نسل‌های مختلف با یکدیگر، خانواده، کار و جامعه می‌پردازد و به ویژگی‌های رفتاری منحصربه‌فرد هر نسل اشاره می‌کند. تأثیر فناوری و تغییرات اجتماعی و چالش‌های اقتصادی و اجتماعی از پارامتر‌های این تحلیل هستند که نشان می‌دهد تفاوت‌های نسلی نه‌فقط بر نگرش‌ها و رفتارهای فردی تأثیر می‌گذارند، بلکه می‌توانند در آینده‌ای نه‌چندان دور سیاست‌گذاری‌های کلان کشور و جهت‌گیری‌های اقتصادی و اجتماعی را هم دگرگون کنند.
| عنوان اصلی | Generations: The Real Differences Between Gen Z, Millennials, Gen X, Boomers, and Silents–And What They Mean for America’s Future |
| نویسنده | Jean M. Twenge |
| انتشارات | Blackstone Pub; Unabridged edition |
| سال انتشار | ۲۰۲۳ |
هوش مصنوعی برای امور مالی: راهنمایی مبتنی بر پایتون
چرا مهم است: هوش مصنوعی و یادگیری ماشین در بسیاری از صنایع در حال رقم زدن یک انقلاب هستند. صنعت مالی نیز مانند بسیاری از صنایع می‌تواند از این فناوری‌ها برای بهینه‌سازی و رشد استفاده کند. هوش مصنوعی و یادگیری ماشین در ترکیب با داده‌های لحظه‌ای صنعت مالی را به شکل اساسی تغییر خواهند داد. ایو هیل‌پیش که از پیشگامان استفاده از هوش مصنوعی در دنیای مالی است، در کتاب «هوش مصنوعی برای امور مالی» در پنج بخش مجزا چگونگی استفاده از این دو فناوری را برای کشف ناکارآمدی‌های آماری بازار مالی و پیشرفت تجارت به شکل عملی نشان می‌دهد. بخش اول این کتاب با مفاهیم پایه و الگوریتم‌های مرکزی در هوش مصنوعی شروع می‌شود و در ادامه پیشرفت‌های اخیر در این حوزه از جمله هوش مصنوعی عمومی و ابرهوش را توضیح می‌دهد.
در بخش دوم به امور مالی و یادگیری ماشینی می‌پردازد. ابتدا امور مالی هنجاری را توضیح می‌دهد، سپس با درک چگونگی کارکرد داده به کاربرد هوش مصنوعی و یادگیری ماشین در امور مالی و تأثیر نظری و عملی این فناوری‌ها بر حوزه مالی می‌پردازد. در بخش سوم به استفاده از شبکه‌های عصبی و یادگیری تقویت‌شده برای کشف ناکارآمدی‌های آماری در بازارهای مالی می‌رسیم که در سه قسمت توضیح داده شده‌اند. در فصل چهارم معامله الگوریتمی و اجرای خودکار استراتژی‌های تجاری با آموزش استفاده از بک‌تست برای شناسایی و بهره‌برداری از ناکارآمدی‌های اقتصادی تشریح می‌شود و در نهایت در فصل پنجم و پایانی به این مسئله می‌پردازد که چگونه هوش مصنوعی دینامیک رقابتی در صنعت مالی را تحت‌‌تأثیر قرار خواهد داد و ظهور احتمالی یک تکینگی مالی ممکن است چه تغییراتی در این حوزه ایجاد کند.
| عنوان اصلی | Artificial Intelligence in Finance |
| نویسنده | Yves Hilpisch |
| انتشارات | O’Reilly Media, Inc |
| سال انتشار | ۲۰۲۰ |
یادگیری عمیق برای امور مالی: خلق ماشین و الگوهای یادگیری عمیق برای تجارت در پایتون
چرا مهم است: کتاب «یادگیری عمیق برای امور مالی» نوشته صوفین کابر یک راهنمای جامع و کاربردی برای استفاده از مفاهیم یادگیری عمیق برای دنیای امور مالی است. این کتاب به‌ویژه برای افرادی که به دنبال ترکیب یادگیری ماشین، یادگیری عمیق و تحلیل فنی در بازارهای مالی هستند، طراحی شده تا به کمک این دانش تصمیمات بهتری در بازار اتخاذ کنند. صوفین کابر، متخصص و مشاور در یادگیری ماشین و یادگیری عمیق به‌ویژه در بازارهای مالی و معاملات، در این کتاب به شرح نحوه استفاده از مدل‌های پیچیده یادگیری عمیق و تکنیک‌های پیشرفته به منظور ایجاد استراتژی‌های معاملاتی و بهینه‌سازی آنها می‌پردازد.
این کتاب بر تلفیق تحلیل‌های فنی با یادگیری عمیق تأکید می‌کند. کتاب به‌صورت گام‌به‌گام نحوه ساخت و توسعه مدل‌های یادگیری عمیق از ابتدا تا استفاده عملی در بازارهای مالی را آموزش می‌دهد. علاوه بر این به شما یاد می‌دهد که چگونه از یادگیری ماشین و یادگیری تقویتی برای ساخت مدل‌هایی که می‌توانند در بازارهای مالی عمل کنند، بهره ببرید. چگونگی استفاده از زبان برنامه‌نویسی پایتون برای بهینه‌سازی استراتژی‌های معاملاتی، نحوه ارزیابی عملکرد مدل‌های یادگیری شامل بررسی معیارهای مختلف مانند دقت، سودآوری و توان پیش‌بینی مدل‌ها و بهینه‌سازی الگوریتم‌ها و ارزیابی سودآوری مدل‌ها از دیگر مباحث این کتاب هستند.
| عنوان اصلی | Deep Learning for Finance |
| نویسنده | Sofien Kaabar |
| انتشارات | O’Reilly Media, Inc |
| سال انتشار | ۲۰۲۴ |
علم بیگ‌دیتا در امور مالی
چرا مهم است: کتاب «علم بیگ‌دیتا در امور مالی» یکی از منابع اصلی در دنیای مالی است. این کتاب به طور خاص به کاربردهای کلان‌داده‌ها و روش‌های تحلیلی پیشرفته در صنعت مالی می‌پردازد و به شما نشان می‌دهد که چگونه می‌توان از داده‌های حجیم و پیچیده برای استخراج اطلاعات ارزشمند در بازارهای مالی استفاده کرد. آیرِن آلدریج، کارشناس تحلیل داده‌ها و مدل‌سازی مالی و مارکو آوِلنِدا، متخصص ریاضیات مالی و مدل‌های کمی، در این کتاب به کاربرد بیگ‌دیتا در بازارهای مالی، یادگیری ماشین و مدل‌سازی مالی، مدل‌های کمی و ریاضی در تحلیل بازارهای مالی، استفاده از الگوریتم‌ها برای معاملات الگوریتمی و تحلیل و پردازش داده‌های مالی می‌پردازند.
در دنیای مالی داده‌ها و اطلاعات پیچیده و حجیمی از جمله داده‌های معاملاتی، داده‌های اخبار اقتصادی، داده‌های اجتماعی و داده‌های بازارهای جهانی وجود دارند که نویسندگان توضیح می‌دهند که چگونه می‌توان از این داده‌ها برای پیش‌بینی روندهای بازار، شبیه‌سازی رفتار قیمت‌ها و ایجاد استراتژی‌های معاملاتی هوشمند استفاده کرد. همچنین در این کتاب به طور خاص، روش‌های یادگیری ماشین و یادگیری عمیق برای تحلیل داده‌های مالی برای کمک به تحلیلگران مالی برای ساختن مدل‌های پیچیده‌تر آموزش داده شده است که دقت پیش‌بینی روند بازار را افزایش می‌دهد. تکنیک‌هایی مثل شبکه‌های عصبی، الگوریتم‌های تقویتی و روش‌های تحلیل بیگ‌دیتا در این بخش تشریح شده است. از ویژگی‌های این کتاب محتوای علمی و کاربردی است که روش‌ها و تکنیک‌های مختلف در این حوزه را به‌طور کامل پوشش می‌دهد. این کتاب برای تحلیلگران مالی، متخصصان داده، معامله‌گران و محققان این حوزه مفید است.
| عنوان اصلی | Big Data Science in Finance |
| نویسندگان | Irene Aldridge, Marco Avellaneda |
| انتشارات | Wiley |
| سال انتشار | ۲۰۲۱ |