掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
機器學習與資產定價 版權信息
- ISBN：9787121434365
- 條形碼：9787121434365 ; 978-7-121-43436-5
- 裝幀：一般純質紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
機器學習與資產定價 本書特色
適讀人群 ：資產定價、機器學習、金融學、經濟學、量化投資等金融科技相關領域的從業者、研究人員、學生和其他感興趣的讀者！澳芊窳信e出一家國內外的對沖基金是靠機器學習算法掙錢的？” 幾年前，對于某些對沖基金來說，機器學習或許還是“不能說的秘密”。但現在看來，機器學習幾乎已經成為行業的共識。完全沒有使用過任何機器學習技術的頭部量化對沖基金已經不存在。事實上，機器學習的相關人才在金融相關的就業市場上早已趨之若鶩。 在投資領域，機器學習與資產定價的有效結合，助推了量化投資的發展。量化基金已經逐漸躋身投資市場的主流，頭部的量化機構也都形成了自己鮮明的特色，而其背后都是海量的數據和神秘的模型。當下，以數據為基礎的機器學習策略，不僅更具吸引力和成本效益，而且成為競爭優勢的關鍵來源。 通過經濟學推理將機器學習方法引入實證和理論資產定價，無論對學界理論研究還是對業界投資務實，都具有深遠影響。以人工智能、機器學習并結合復雜網絡為科學基礎的資產定價理論與應用，對中國這個快速發展且具有高度復雜性的資本市場的規律把握具有先天的優勢與必要性。 《機器學習與資產定價》就是對以上前沿挑戰的描述和解答。 本書作者為芝加哥大學Stefan Nagel教授，他是資產定價領域的領軍學者。中文版譯者為北京大學王熙教授和麻省理工學院石川博士，他們是該領域學界和業界頂流的研究人員和從業者。芝加哥大學布斯商學院修大成教授以及嘉實基金董事總經理、首席科學家、AI投資總監張自力博士為中文版撰寫了精彩的推薦序。 本書還得到了哈佛大學、普林斯頓大學、耶魯大學、芝加哥大學、加州大學、清華大學、北京大學、中國人民大學和嘉實基金、易方達基金等學界/業界大咖的鼎力推薦。
機器學習與資產定價 內容簡介
本書從資產定價的核心問題出發，前沿而體系化地討論了如何通過經濟學推理將機器學習方法引入實證和理論資產定價研究之中，從而有效解決機器學習應用在資產定價中所面臨的挑戰，搭建了研究機器學習與資產定價的橋梁。為提升閱讀體驗，幫助讀者充分理解書中內容，譯者王熙教授與石川博士在行文中加入了精彩豐富的譯者注，給原著提供必要的背景知識，從而幫助讀者更好地掌握書中的行文邏輯。其中，為本書補充的諸多公式推導過程也能幫助讀者加深對貝葉斯統計框架的理解。
機器學習與資產定價 目錄
目錄
第1章 引言 1
1.1 實證資產定價中的特設稀疏性假設
1.2 理論資產定價中的特設稀疏性假設
1.3 機器學習
1.4 術語
1.5 監督學習和無監督學習
1.6 本書的局限性
1.7 本書的結構
第2章 監督學習 16
2.1 將監督學習視為函數逼近問題
2.2 回歸方法
2.2.1 線性方法：嶺回歸和Lasso
2.2.2 樹方法和隨機森林
2.2.3 神經網絡
2.3 超參數調優
2.4 貝葉斯解釋
第3章 資產定價中的監督學習 46
3.1 例子：截面股票收益率預測
3.2 預測性能評價
3.3 正則化與投資表現
3.4 預期收益率與協方差的關聯
3.5 通過構建投資組合估計協方差矩陣
3.6 非線性
3.7 稀疏性
3.8 結構性變化
3.9 結束語
第4章 機器學習與截面資產定價 97
4.1 基于公司特征因子的資產定價
4.2 監督學習視角
4.2.1 收縮估計量
4.2.2 稀疏性
4.2.3 數據驅動的超參選擇
4.3 實證分析
4.3.1 50 個異象特征的實證結果
4.3.2 WRDS 財務比例的實證結果
4.3.3 特征之間的交互作用
4.4 樣本外資產定價檢驗
4.5 相關*新研究
4.6 結束語
第5章 投資者信念形成的機器學習模型 142
5.1 資產市場
5.1.1 投資者
5.1.2 定價
5.1.3 基于計量經濟學的觀測者視角
5.2 投資者學習
5.2.1 OLS 學習
5.2.2 帶有信息先驗的貝葉斯學習
5.3 收益率可預測性
5.3.1 樣本內收益率可預測性
5.3.2 （不存在）樣本外收益率可預測性
5.4 擴展研究
5.4.1 稀疏性
5.4.2 額外的收縮和稀疏性
5.5 對實證研究的啟示
5.6 結束語
第6章 研究議程 180
6.1 描述投資機會的特征
6.1.1 機器學習的經濟學約束
6.1.2 非線性
6.1.3 結構性變化
6.2 資產需求分析
6.2.1 需求系統估計
6.2.2 預期的形成
6.3 機器學習的理論應用
6.3.1 有限理性
6.3.2 投資者的異質性
6.4 結束語
附錄A 部分公式推導 201
參考文獻 210
索引 217
展開全部
機器學習與資產定價 作者簡介
作者簡介 Stefan Nagel 芝加哥大學布斯商學院Fama Family Distinguished Service金融學教授。他是Journal of Finance的執行主編，以及美國國家經濟研究局（NBER）、歐洲經濟政策研究中心（CEPR）和慕尼黑經濟研究中心（CESIfo）的研究員。 譯者簡介 王熙 北京大學經濟學院研究員、助理教授、博士生導師；北京大學大數據分析與應用技術國家工程實驗室研究員；武漢大學學士，圣路易斯華盛頓大學碩士、博士；主要研究方向為資產定價、宏觀金融以及強化學習與機器學習的交叉學科應用。 石川 北京量信投資管理有限公司創始合伙人；清華大學學士、碩士，麻省理工學院博士；因子投資中文版首著《因子投資：方法與實踐》領銜作者；知名期刊Computers in Industry編委會委員；曾就職于Citigroup、Oracle及P&G。石川博士精通統計建模方法，擅長以金融數學分析為手段進行資產配置、風險管理、量化多因子模型以及衍生品CTA策略的開發。其主理的量化投資公眾號“川總寫量化”受到了學界和業界的高度認可。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
【精裝繪本】畫給孩子的中國神話
- >
名家帶你讀魯迅:朝花夕拾
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
我從未如此眷戀人間
- >
伯納黛特,你要去哪(2021新版)
- >
姑媽的寶刀
- >
史學評論
本類暢銷
