Hilpisch

Il trading finanziario, una volta dominio esclusivo degli attori istituzionali, è ora aperto a piccole organizzazioni e singoli trader che utilizzano piattaforme online dove Python, grazie al suo potente ecosistema di pacchetti e librerie dedicate, è largamente diffuso. In questa guida pratica, l'autore insegna l'uso di Python nel campo del trading algoritmico, dove le decisioni sugli investimenti sono guidate da modelli matematici. Nel corso del libro il lettore apprende ad applicare Python nel backtesting, il recupero di dati finanziari da fonti diverse, l'interazione con le piattaforme di trading online, la generazione di previsioni e l'elaborazione di dati in tempo reale. Un manuale completo e ricco di esempi da analizzare e riutilizzare, pensato per studenti, professionisti e appassionati che conoscono le basi della programmazione in Python e desiderano costruire e implementare strategie di trading automatizzato e su misura.

Reinforcement learning (RL) has led to several breakthroughs in AI. The use of the Q-learning (DQL) algorithm alone has helped people develop agents that play arcade games and board games at a superhuman level. More recently, RL, DQL, and similar methods have gained popularity in publications related to financial research.

The financial industry has recently adopted Python at a tremendous rate, with some of the largest investment banks and hedge funds using it to build core trading and risk management systems. Updated for Python 3, the second edition of this hands-on book helps you get started with the language, guiding developers and quantitative analysts through Python libraries and tools for building financial applications and interactive financial analytics.