中圖網(wǎng)小程序
一鍵登錄
更方便
本類五星書更多>
-
>
蜜蜂的寓言:私人的惡德,公眾的利益
-
>
世界貿(mào)易戰(zhàn)簡史
-
>
日本的凱恩斯:高橋是清傳:從足輕到藏相
-
>
近代天津工業(yè)與企業(yè)制度
-
>
貨幣之語
-
>
眉山金融論劍
-
>
圖解資本論
基于大數(shù)據(jù)+深度學習的中國金融市場波動性及預警機制研究 版權(quán)信息
- ISBN：9787521851465
- 條形碼：9787521851465 ; 978-7-5218-5146-5
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
基于大數(shù)據(jù)+深度學習的中國金融市場波動性及預警機制研究 內(nèi)容簡介
文章基在前期成果的基礎上，通過文獻分析方法著重分析了人工智能的核心方法——深度學習與金融市場波動性之間的內(nèi)在聯(lián)系，在金融市場波動性理論構(gòu)架、深度學習模型和實現(xiàn)方式后選擇了我國金融市場的股票市場、匯率市場、金融期貨和貴金屬期貨四類具體對象進行波動性實證檢驗。基于研究結(jié)論，結(jié)合大數(shù)據(jù)時代我國金融市場的實際，作者提出了防范中國金融市場過度波動的對策建議，核心是中國應建立起與大數(shù)據(jù)和深度學習相適應的金融市場機制。
基于大數(shù)據(jù)+深度學習的中國金融市場波動性及預警機制研究 目錄
第1章 引言
1.1 問題提出
1.2 研究動態(tài)
1.3 研究內(nèi)容
1.4 創(chuàng)新點與價值
第2章 大數(shù)據(jù)背景下的金融波動性研究
2.1 金融波動性的界定
2.2 金融市場波動性理論
2.3 傳統(tǒng)模型對波動性預測文獻綜述
2.4 深度學習波動性預測文獻綜述
2.5 文獻述評
第3章 深度學習理論與模型
3.1 從機器學習到神經(jīng)網(wǎng)絡
3.2 從神經(jīng)網(wǎng)絡到深度學習
3.3 深度學習主要模型
3.4 深度學習在金融領(lǐng)域中的應用
第4章 基于Python的深度學習實現(xiàn)方式
4.1 Python與深度學習
4.2 Python的特征
4.3 Python的運行環(huán)境
4.4 Python在金融領(lǐng)域中的應用
第5章 基于大數(shù)據(jù) 深度學習的人民幣匯率波動性預測
5.1 引言
5.2 文獻綜述
5.3 研究設計
5.4 大數(shù)據(jù)及預處理
5.5 實證結(jié)果及分析
5.6 結(jié)論及啟示
第6章 基于大數(shù)據(jù) 深度學習的上證綜指波動率預測
6.1 引言
6.2 文獻綜述
6.3 深度學習模型選擇
6.4 大數(shù)據(jù)選擇及預處理
6.5 實證研究
6.6 結(jié)論及啟示
第7章 基于大數(shù)據(jù) 深度學習的滬深300股指期貨價格波動性預測
7.1 引言
7.2 文獻綜述
7.3 研究設計
7.4 大數(shù)據(jù)處理
7.5 實證研究
7.6 結(jié)論及啟示
第8章 基于高頻數(shù)據(jù)和EN-LSTM模型的黃金期貨短期波動率預測
8.1 引言
8.2 文獻回顧
8.3 研究設計
8.4 數(shù)據(jù)處理
8.5 實證研究
8.6 結(jié)論及啟示
第9章 基于多維高頻數(shù)據(jù)和LSTM模型的滬深300股指期貨極端風險預警
9.1 引言
9.2 研究設計
9.3 實證研究
9.4 結(jié)論及啟示
第10章 防范中國金融市場過度波動的對策建議
10.1 理順實體經(jīng)濟與金融市場的良性互動關(guān)系
10.2 推進人工智能在金融交易中的應用場景
10.3 合理運用量化交易機制
10.4 全面升級大數(shù)據(jù)時代的金融監(jiān)管
10.5 培育大數(shù)據(jù)時代下的理性投資者
第11章 研究結(jié)論與后續(xù)展望
11.1 研究結(jié)論
11.2 研究展望
參考文獻
附錄
附錄1 人民幣匯率波動性預測的Python程序代碼
附錄2 人民幣匯率波動性預測的部分原始數(shù)據(jù)
附錄3 上證綜指波動性預測的Python程序代碼
附錄4 上證綜指波動性預測樣本數(shù)據(jù)來源及缺失值填充
附錄5 上證綜指波動性預測樣本多維原始數(shù)據(jù)表
附錄6 滬深300股指期貨波動性預測樣本多維原始數(shù)據(jù)表
附錄7 滬深300股指期貨波動性預測樣本高頻率原始數(shù)據(jù)表
附錄8 滬深300股指期貨波動性預測樣本2010～2018年偶發(fā)事件匯總
附錄9 滬市黃金期貨的部分原始數(shù)據(jù)
附錄10 滬深黃金期貨波動性預測的Python程序
后記
1.1 問題提出
1.2 研究動態(tài)
1.3 研究內(nèi)容
1.4 創(chuàng)新點與價值
第2章 大數(shù)據(jù)背景下的金融波動性研究
2.1 金融波動性的界定
2.2 金融市場波動性理論
2.3 傳統(tǒng)模型對波動性預測文獻綜述
2.4 深度學習波動性預測文獻綜述
2.5 文獻述評
第3章 深度學習理論與模型
3.1 從機器學習到神經(jīng)網(wǎng)絡
3.2 從神經(jīng)網(wǎng)絡到深度學習
3.3 深度學習主要模型
3.4 深度學習在金融領(lǐng)域中的應用
第4章 基于Python的深度學習實現(xiàn)方式
4.1 Python與深度學習
4.2 Python的特征
4.3 Python的運行環(huán)境
4.4 Python在金融領(lǐng)域中的應用
第5章 基于大數(shù)據(jù) 深度學習的人民幣匯率波動性預測
5.1 引言
5.2 文獻綜述
5.3 研究設計
5.4 大數(shù)據(jù)及預處理
5.5 實證結(jié)果及分析
5.6 結(jié)論及啟示
第6章 基于大數(shù)據(jù) 深度學習的上證綜指波動率預測
6.1 引言
6.2 文獻綜述
6.3 深度學習模型選擇
6.4 大數(shù)據(jù)選擇及預處理
6.5 實證研究
6.6 結(jié)論及啟示
第7章 基于大數(shù)據(jù) 深度學習的滬深300股指期貨價格波動性預測
7.1 引言
7.2 文獻綜述
7.3 研究設計
7.4 大數(shù)據(jù)處理
7.5 實證研究
7.6 結(jié)論及啟示
第8章 基于高頻數(shù)據(jù)和EN-LSTM模型的黃金期貨短期波動率預測
8.1 引言
8.2 文獻回顧
8.3 研究設計
8.4 數(shù)據(jù)處理
8.5 實證研究
8.6 結(jié)論及啟示
第9章 基于多維高頻數(shù)據(jù)和LSTM模型的滬深300股指期貨極端風險預警
9.1 引言
9.2 研究設計
9.3 實證研究
9.4 結(jié)論及啟示
第10章 防范中國金融市場過度波動的對策建議
10.1 理順實體經(jīng)濟與金融市場的良性互動關(guān)系
10.2 推進人工智能在金融交易中的應用場景
10.3 合理運用量化交易機制
10.4 全面升級大數(shù)據(jù)時代的金融監(jiān)管
10.5 培育大數(shù)據(jù)時代下的理性投資者
第11章 研究結(jié)論與后續(xù)展望
11.1 研究結(jié)論
11.2 研究展望
參考文獻
附錄
附錄1 人民幣匯率波動性預測的Python程序代碼
附錄2 人民幣匯率波動性預測的部分原始數(shù)據(jù)
附錄3 上證綜指波動性預測的Python程序代碼
附錄4 上證綜指波動性預測樣本數(shù)據(jù)來源及缺失值填充
附錄5 上證綜指波動性預測樣本多維原始數(shù)據(jù)表
附錄6 滬深300股指期貨波動性預測樣本多維原始數(shù)據(jù)表
附錄7 滬深300股指期貨波動性預測樣本高頻率原始數(shù)據(jù)表
附錄8 滬深300股指期貨波動性預測樣本2010～2018年偶發(fā)事件匯總
附錄9 滬市黃金期貨的部分原始數(shù)據(jù)
附錄10 滬深黃金期貨波動性預測的Python程序
后記
展開全部
基于大數(shù)據(jù)+深度學習的中國金融市場波動性及預警機制研究 作者簡介
邱冬陽，男，漢族，重慶潼南人，中 員，重慶理工大學教授，博士，碩士生導師，中國人民大學、英國加的夫大學商學院（Cardiff Business School，Cardiff University，UK）訪問學者， 高等學校金融學類專業(yè)教指委委員。重慶市市級精品課程、市級精品資源共享課程《 金融》負責人。長期致力于中國經(jīng)濟、金融領(lǐng)域的教學與研究工作。在《經(jīng)濟研究》、《會計研究》、《改革》等刊物發(fā)表論文60多篇，部分論文被《新華文摘》等轉(zhuǎn)載；主持 社科基金重點和一般項目等縱橫向項目20多項；曾獲得 科研成果二等獎（人文社科）、重慶市社科 成果一等獎等獎項5項。
書友推薦
- >
我從未如此眷戀人間
- >
推拿
- >
小考拉的故事-套裝共3冊
- >
伊索寓言-世界文學名著典藏-全譯本
- >
上帝之肋:男人的真實旅程
- >
二體千字文
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術(shù)叢書(紅燭學術(shù)叢書)
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述
本類暢銷
