中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥43.8
加入購(gòu)物車
機(jī)器學(xué)習(xí)在量化金融中的應(yīng)用 版權(quán)信息
- ISBN：9787302565963
- 條形碼：9787302565963 ; 978-7-302-56596-3
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
機(jī)器學(xué)習(xí)在量化金融中的應(yīng)用 本書特色
資深金融數(shù)據(jù)分析專家多年工作結(jié)晶，深入淺出闡釋機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)及其在金融數(shù)據(jù)分析領(lǐng)域的應(yīng)用
機(jī)器學(xué)習(xí)在量化金融中的應(yīng)用 內(nèi)容簡(jiǎn)介
本書是資深金融數(shù)據(jù)分析專家多年工作的結(jié)晶。書中深入淺出地闡釋機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)及其在金融數(shù)據(jù)分析領(lǐng)域的應(yīng)用。 全書共分9章。第1章介紹機(jī)器學(xué)習(xí)的發(fā)展?fàn)顩r并概述機(jī)器學(xué)習(xí)在金融中的應(yīng)用。第2章介紹監(jiān)督學(xué)習(xí)的通用框架。第3章描述*簡(jiǎn)單的線性回歸模型——普通*小二乘法以及正則化方法——嶺回歸和套索回歸，并討論線性模型及非線性的回歸和分類方法。第4章討論監(jiān)督學(xué)習(xí)中的樹模型，包括決策樹、隨機(jī)森林和梯度提升樹。第5章重點(diǎn)介紹三種主要的神經(jīng)網(wǎng)絡(luò)：人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)。第6章和第7章介紹無(wú)監(jiān)督學(xué)習(xí)，主要包括聚類分析和主成分分析。第8章重點(diǎn)介紹強(qiáng)化學(xué)習(xí)在投資組合優(yōu)化中的應(yīng)用。第9章以一個(gè)流行的數(shù)據(jù)挑戰(zhàn)項(xiàng)目為例，使用前幾章介紹的機(jī)器學(xué)習(xí)方法預(yù)測(cè)金融違約風(fēng)險(xiǎn)，為讀者提供解決實(shí)際數(shù)據(jù)問(wèn)題的經(jīng)驗(yàn)。 本書內(nèi)容豐富，理論嚴(yán)謹(jǐn)，案例翔實(shí)，不僅包括完整的理論推導(dǎo)，而且囊括可用于實(shí)際項(xiàng)目的案例代碼，適合高等院校計(jì)算機(jī)及相關(guān)專業(yè)的高年級(jí)本科生或者研究生閱讀，也可以作為機(jī)器學(xué)習(xí)愛(ài)好者及金融分析師等的參考用書。
機(jī)器學(xué)習(xí)在量化金融中的應(yīng)用 目錄
目錄
第1章 概述.............................1
1.1 大數(shù)據(jù)時(shí)代......................1
1.2 機(jī)器學(xué)習(xí).........................2
1.3 量化金融.........................5
1.3.1 金融數(shù)據(jù)的挑戰(zhàn).............5
1.3.2 機(jī)器學(xué)習(xí)的金融應(yīng)用.........5
1.3.3 量化金融的未來(lái).............6
1.4 新一代寬客......................6
1.5 學(xué)習(xí)路線圖......................7
1.6 更多資源.........................8
1.6.1 Python庫(kù)..................8
1.6.2 圖書與其他在線資源.........9
1.7 本書之外........................10
第2章 監(jiān)督學(xué)習(xí).......................12
2.1 回歸任務(wù)框架...................12
2.1.1 模型.......................14
2.1.2 損失函數(shù)..................15
2.1.3 優(yōu)化方法..................16
2.1.4 預(yù)測(cè)和驗(yàn)證................25
2.2 從回歸到分類...................28
2.2.1 分類變量..................28
2.2.2 模型.......................28
2.2.3 損失函數(shù)和優(yōu)化方法........29
2.2.4 預(yù)測(cè)和驗(yàn)證................30
2.2.5 數(shù)值實(shí)驗(yàn)..................32
2.3 集成方法........................35
2.3.1 集成原理..................36
2.3.2 同質(zhì)集成法................37
2.3.3 異質(zhì)集成法................41
2.4 練習(xí).............................42
第3章 線性回歸和正則化.............43
3.1 普通*小二乘法................43
3.1.1 公式推導(dǎo)..................43
3.1.2 優(yōu)缺點(diǎn)....................45
3.2 正則化線性模型................46
3.2.1 正則化....................46
3.2.2 嶺回歸....................47
3.2.3 套索回歸..................48
3.2.4 數(shù)值實(shí)驗(yàn)..................50
3.2.5 兩種正則化方法的聯(lián)系.....52
3.3 線性模型延伸：基擴(kuò)展.........55
3.4 練習(xí).............................56
第4章 樹模型..........................57
4.1 原理簡(jiǎn)介........................57
4.2 決策樹..........................58
4.2.1 樹結(jié)構(gòu)....................58
4.2.2 模型.......................60
4.2.3 回歸樹....................61
4.2.4 剪枝.......................65
4.2.5 特征重要性................65
4.3 隨機(jī)森林........................66
4.4 梯度提升樹.....................67
4.5 數(shù)值實(shí)驗(yàn)：Iris數(shù)據(jù)集..........69
4.5.1 決策樹的實(shí)現(xiàn)..............69
4.5.2 隨機(jī)森林的實(shí)現(xiàn)............71
4.5.3 梯度提升樹的實(shí)現(xiàn)..........72
4.5.4 三種樹模型的比較..........72
4.6 練習(xí).............................74
第5章 神經(jīng)網(wǎng)絡(luò).......................75
5.1 基本概念........................75
5.1.1 神經(jīng)元....................75
5.1.2 層.........................77
5.1.3 激活函數(shù)..................77
5.1.4 張量.......................80
5.2 人工神經(jīng)網(wǎng)絡(luò)...................81
5.2.1 淺層神經(jīng)網(wǎng)絡(luò)..............81
5.2.2 多層神經(jīng)網(wǎng)絡(luò)..............84
5.2.3 優(yōu)化方法..................86
5.2.4 數(shù)值實(shí)驗(yàn)：MNIST數(shù)字識(shí)別.......................91
5.3 卷積神經(jīng)網(wǎng)絡(luò)...................95
5.3.1 原理簡(jiǎn)介..................95
5.3.2 圖像數(shù)據(jù)..................96
5.3.3 模型.......................98
5.3.4 優(yōu)化方法.................107
5.3.5 數(shù)值實(shí)驗(yàn)：Cifar10圖像識(shí)別.....................107
5.4 循環(huán)神經(jīng)網(wǎng)絡(luò)..................115
5.4.1 原理簡(jiǎn)介.................115
5.4.2 序列數(shù)據(jù).................116
5.4.3 模型.....................117
5.4.4 優(yōu)化方法：BPTT.........118
5.4.5 循環(huán)神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)......121
5.4.6 LSTM和GRU............124
5.4.7 數(shù)值實(shí)驗(yàn)：高頻金融數(shù)據(jù)預(yù)測(cè).....................125
5.5 練習(xí)...........................135
第6章 聚類分析......................136
6.1 原理簡(jiǎn)介......................136
6.2 聚類分析框架..................136
6.2.1 數(shù)據(jù)集...................137
6.2.2 相似性...................138
6.2.3 聚類方法.................138
6.2.4 檢驗(yàn)指標(biāo).................139
6.3 K均值法......................140
6.3.1 原理簡(jiǎn)介.................140
6.3.2 參數(shù)選擇.................141
6.3.3 K均值法的實(shí)現(xiàn)..........145
6.4 層次聚類......................146
6.4.1 鏈接方式.................146
6.4.2 樹狀圖...................147
6.4.3 層次聚類的實(shí)現(xiàn)...........149
6.5 密度聚類：DBSCAN...........149
6.5.1 原理簡(jiǎn)介.................149
6.5.2 參數(shù)選擇.................151
6.6 分布聚類......................152
6.6.1 原理簡(jiǎn)介.................152
6.6.2 *大期望算法.............152
6.7 數(shù)值實(shí)驗(yàn)：聚類分析...........155
6.8 練習(xí)...........................155
第7章 主成分分析....................156
7.1 原理簡(jiǎn)介......................156
7.1.1 線性變換.................156
7.1.2 奇異值分解...............157
7.1.3 X和Z的方差............158
7.1.4 降維.....................159
7.1.5 實(shí)際問(wèn)題.................159
7.1.6 主成分分析的實(shí)現(xiàn).........160
7.2 數(shù)值實(shí)驗(yàn)：期限結(jié)構(gòu)分析......161
7.2.1 利率期限結(jié)構(gòu).............161
7.2.2 數(shù)據(jù)和觀察值.............163
7.2.3 主成分分析與期限結(jié)構(gòu)....164
7.2.4 主成分分析與對(duì)沖.........168
7.2.5 主成分分析與聚類分析....171
7.3 練習(xí)...........................172
第8章 強(qiáng)化學(xué)習(xí)......................173
8.1 原理簡(jiǎn)介......................173
8.2 循環(huán)強(qiáng)化學(xué)習(xí)..................175
8.3 從RNN到RRL...............177
8.4 數(shù)值實(shí)驗(yàn)：算法交易...........182
8.5 練習(xí)...........................187
第9章 金融案例研究：違約風(fēng)險(xiǎn)預(yù)測(cè)...........................188
9.1 問(wèn)題設(shè)定與數(shù)據(jù)...............189
9.2 探索性數(shù)據(jù)分析...............191
9.2.1 不平衡數(shù)據(jù)...............191
9.2.2 缺失值...................192
9.2.3 特征分組.................192
9.3 構(gòu)建**個(gè)分類器.............193
9.3.1 數(shù)據(jù)預(yù)處理...............193
9.3.2 特征工程.................193
9.3.3 訓(xùn)練模型.................195
9.3.4 折外預(yù)測(cè).................196
9.3.5 參數(shù)調(diào)整.................199
9.4 模型集成......................200
9.5 提交結(jié)果......................202
9.6 練習(xí)...........................202
9.6.1 CFM挑戰(zhàn)：波動(dòng)率預(yù)測(cè)................202
9.6.2 Kaggle其他金融應(yīng)用競(jìng)賽.....................204
參考文獻(xiàn)................................205
展開全部
機(jī)器學(xué)習(xí)在量化金融中的應(yīng)用 作者簡(jiǎn)介
倪好，倫敦大學(xué)學(xué)院數(shù)學(xué)系副教授。研究方向包括隨機(jī)分析、金融數(shù)學(xué)、機(jī)器學(xué)習(xí)和應(yīng)用等。希望通過(guò)分享個(gè)人研究成果與經(jīng)驗(yàn)心得，為對(duì)機(jī)器學(xué)習(xí)感興趣的讀者提供嚴(yán)謹(jǐn)簡(jiǎn)捷的入門，并且側(cè)重于對(duì)計(jì)量金融方面的應(yīng)用。 于光希，倫敦大學(xué)學(xué)院金融數(shù)學(xué)碩士，專注機(jī)器學(xué)習(xí)在金融中的應(yīng)用，現(xiàn)任申萬(wàn)宏源證券研究所量化分析師。 鄭勁松，德國(guó)杜伊斯堡埃森大學(xué)經(jīng)濟(jì)學(xué)博士，有多年量化風(fēng)險(xiǎn)分析與金融建模相關(guān)的海外工作經(jīng)驗(yàn)，現(xiàn)任華泰證券算法工程師。 董欣，倫敦帝國(guó)理工學(xué)院金融數(shù)學(xué)博士，專注金融衍生品做市研究，現(xiàn)任城堡證券研究量化分析師。
書友推薦
- >
山海經(jīng)
- >
有舍有得是人生
- >
推拿
- >
【精裝繪本】畫給孩子的中國(guó)神話
- >
莉莉和章魚
- >
朝聞道
- >
我與地壇
- >
回憶愛(ài)瑪儂
本類暢銷
