Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Theory of Change: Defining the Research Agenda Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Machine Learning and Finance

verfasst von : Bernhard Villhauer

Erschienen in: Theories of Change

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The article provides a short overview of recent developments driven by the application of Artificial Intelligence (AI) or, more specifically, Machine Learning (ML) in the financial sector. The focus is on the practical consequences of ML use, especially at Pretrade analytics, Portfolio Management or in the field of service.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Cryptography Leads the Next Wave of Societal Change
Nächstes Kapitel The Gender Investment Gap
Literatur
Bayat-Renoux, F., Svensson, U., & Chebly, J. (2018). Digital technologies for mobilizing sustainable finance. Applications of digital technologies to sustainable finance, sustainable digital finance alliance 2018.
Gyorfi, L., & Ottucsak, G. (2011). Machine learning for financial engineering. London: Imperial College Press.
Hutchinson, J. M., Lo, A. W., & Poggio, T. (1994). A nonparametric approach to pricing and hedging derivative securities via learning networks. Journal of Finance, 49(3), 851–889.CrossRef
Kearns, M., & Nevmyvaka, Y. (2013). Machine learning for market microstructure and high frequency trading. In D. Easley, M. Lopez de Prado, & M. O’Hara (Eds.), High frequency trading—New realities for traders, markets and regulators. London: Risk Books.
Klaas, J. (2019). Machine learning for finance. Principles and practice for financial insiders. Birmingham: Packt.
Lai, Z.-R., Yang, P.-Y., Fang, L., & Wu, X. (2018). Short-term sparse portfolio optimization based on alternating direction method of multipliers. Journal of Machine Learning Research, 1, 2547–2574.
Li, B., & Hoi, S. C. H. (2014). Online portfolio selection: A survey. ACM Computing Surveys (CSUR), 46(3), 1–33.
Li, B., Sahoo, D., & Hoi, S. C. H. (2016). OLPS: A toolbox for online portfolio selection. Journal of Machine Learning Research, 17(1), 1242–1246.
Lopez de Prado, M. (2018). Advances in financial machine learning. Hoboken: Wiley.
Samuel, A. L. (1959). Some studies in machine learning using the game of checkers. IBM Journal of Research and Development, 3(3), 210–229.CrossRef
Scott, B. (2013). The heretics guide to global finance: Hacking the future of money. London: Pluto Press.
Smolinski, R., Gerdes, M., Siejka, M., & Bodek, M. C. (Eds.). (2017). Innovationen und Innovationsmanagement in der Finanzbranche. Wiesbaden: Springer Gabler.
Streichert, F., & Algorithmen, E. (2001). Implementation und Anwendungen im Asset Management-Bereich, Diplomarbeit Universität Stuttgart 2001.
Metadaten
Titel
Machine Learning and Finance
verfasst von
Bernhard Villhauer
Copyright-Jahr
2021
Verlag
Springer International Publishing
Buch
Theories of Change

Print ISBN: 978-3-030-52274-2

Electronic ISBN: 978-3-030-52275-9

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-52275-9_22