掃一掃
關(guān)注中圖網(wǎng)
官方微博
金融科技統(tǒng)計建模基礎(chǔ) 版權(quán)信息
- ISBN：9787560672908
- 條形碼：9787560672908 ; 978-7-5606-7290-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>
金融科技統(tǒng)計建模基礎(chǔ) 內(nèi)容簡介
本書系統(tǒng)地介紹了金融科技的發(fā)展脈絡(luò)、基本概念、基本方法、基本理論與應(yīng)用場景，重點關(guān)注金融科技統(tǒng)計建模相關(guān)基本方法的原理及其應(yīng)用。全書共七章，具體為金融科技簡介、相關(guān)分析、貝葉斯統(tǒng)計、回歸分析、分類方法、時間序列分析、隨機(jī)過程。本書適合作為高等院校經(jīng)濟(jì)學(xué)類各專業(yè)高年級本科生及應(yīng)用經(jīng)濟(jì)學(xué)學(xué)科、金融工程等專業(yè)學(xué)位研究生的教材或參考書，也可供具有數(shù)學(xué)、統(tǒng)計學(xué)、經(jīng)濟(jì)學(xué)基礎(chǔ)的經(jīng)濟(jì)管理人員和研究人員及金融行業(yè)從業(yè)者參考。
金融科技統(tǒng)計建模基礎(chǔ) 目錄
第1章 金融科技簡介1
1.1 金融科技概述1
1.1.1 金融科技的概念1
1.1.2 金融科技的發(fā)展歷程2
1.2 金融科技關(guān)鍵技術(shù)5
1.3 金融科技的應(yīng)用8
習(xí)題110
第2章 相關(guān)分析11
2.1 相關(guān)分析概述11
2.1.1 變量相關(guān)性案例11
2.1.2 相關(guān)性分類13
2.1.3 相關(guān)性描述方法13
2.2 多元分布函數(shù)15
2.2.1 多元分布函數(shù)的定義15
2.2.2 多元分布函數(shù)的性質(zhì)15
2.2.3 多元分布函數(shù)的應(yīng)用15
2.3 Copula函數(shù)16
2.3.1 Copula函數(shù)的定義17
2.3.2 Copula函數(shù)的分類17
2.3.3 Copula函數(shù)的構(gòu)造及其性質(zhì)21
2.3.4 Copula函數(shù)的選擇23
2.3.5 Copula函數(shù)的應(yīng)用26
2.4 偏相關(guān)分析與復(fù)相關(guān)26
2.4.1 偏相關(guān)分析27
2.4.2 復(fù)相關(guān)分析29
2.5 距離相關(guān)分析30
2.5.1 距離度量方法31
2.5.2 距離相似系數(shù)32
習(xí)題234
第3章 貝葉斯統(tǒng)計35
3.1 貝葉斯統(tǒng)計概述35
3.1.1 頻率學(xué)派與貝葉斯學(xué)派35
3.1.2 經(jīng)典統(tǒng)計學(xué)與貝葉斯統(tǒng)計學(xué)36
3.1.3 為什么要學(xué)習(xí)貝葉斯統(tǒng)計37
3.2 貝葉斯定理38
3.2.1 事件形式的貝葉斯定理38
3.2.2 隨機(jī)變量形式的貝葉斯定理38
3.3 共軛先驗分布43
3.3.1 共軛先驗分布的定義43
3.3.2 后驗分布的計算45
3.3.3 共軛先驗分布的優(yōu)缺點45
3.3.4 常用的共軛先驗分布48
3.4 貝葉斯統(tǒng)計推斷50
3.4.1 貝葉斯點估計50
3.4.2 貝葉斯區(qū)間估計56
3.5 假設(shè)檢驗59
3.5.1 貝葉斯假設(shè)檢驗59
3.5.2 貝葉斯因子60
3.5.3 簡單假設(shè)對簡單假設(shè) 61
3.5.4 復(fù)雜假設(shè)對復(fù)雜假設(shè)62
3.5.5 簡單原假設(shè)對復(fù)雜備擇假設(shè)63
3.5.6 多重假設(shè)檢驗65
3.6 預(yù)測65
3.7 模型選擇與評價69
3.7.1 正常先驗下的貝葉斯模型選擇方法69
3.7.2 貝葉斯模型評價72
習(xí)題374
第4章 回歸分析75
4.1 回歸分析概述75
4.1.1 回歸分析與回歸模型75
4.1.2 回歸模型建立與分析76
4.1.3 回歸分析發(fā)展述評80
4.2 線性回歸及參數(shù)估計81
4.2.1 一元線性回歸模型81
4.2.2 多元線性回歸模型83
4.2.3 模型的參數(shù)估計84
4.3 模型選擇87
4.3.1 模型選擇概述87
4.3.2 偏差方差分解91
4.3.3 模型選擇準(zhǔn)則92
4.3.4 回歸變量選擇96
4.4 廣義線性模型97
4.4.1 二點分布回歸97
4.4.2 指數(shù)分布族98
4.4.3 廣義線性模型 100
4.4.4 模型估計 101
4.4.5 模型檢驗與診斷 102
4.5 高維回歸系數(shù)壓縮102
4.5.1 嶺回歸103
4.5.2 LASSO回歸104
4.5.3 Shooting算法106
4.5.4 路徑算法107
4.5.5 其他懲罰項及Oracle性質(zhì)110
習(xí)題4112
第5章 分類方法113
5.1 分類方法概述113
5.2 決策樹分類115
5.2.1 決策樹模型115
5.2.2 決策樹學(xué)習(xí)116
5.3 K-*近鄰分類122
5.4 樸素貝葉斯分類124
5.5 人工神經(jīng)網(wǎng)絡(luò)127
5.5.1 感知器128
5.5.2 神經(jīng)元131
5.5.3 人工神經(jīng)網(wǎng)絡(luò)的類型133
5.6 支持向量機(jī)136
5.6.1 線性可分SVM 136
5.6.2 線性SVM140
5.6.3 非線性SVM141
習(xí)題5142
第6章 時間序列分析144
6.1 時間序列分析概述144
6.1.1 時間序列分析方法145
6.1.2 時間序列的平穩(wěn)性147
6.2 AR模型149
6.2.1 AR(1)模型149
6.2.2 AR(2)模型152
6.2.3 AR(p)模型與平穩(wěn)性的判定152
6.3 ARMA模型155
6.3.1 MA模型155
6.3.2 ARMA(p,q)模型的定義及性質(zhì)157
6.3.3 ARMA模型的建立與估計158
6.4 ARIMA模型160
6.4.1 ARIMA模型的結(jié)構(gòu)160
6.4.2 ARIMA模型的性質(zhì)161
6.4.3 ARIMA模型建模161
6.4.4 ARIMA模型預(yù)測165
6.5 條件異方差模型167
6.5.1 條件異方差模型的結(jié)構(gòu)167
6.5.2 條件異方差模型建模170
習(xí)題6172
第7章 隨機(jī)過程174
7.1 隨機(jī)過程概述174
7.1.1 預(yù)備知識175
7.1.2 隨機(jī)過程的定義176
7.1.3 有限維分布和數(shù)字特征177
7.1.4 隨機(jī)過程的分類 177
7.2 泊松過程179
7.2.1 指數(shù)分布179
7.2.2 泊松過程的定義179
7.2.3 泊松過程的性質(zhì)181
7.2.4 非時齊泊松過程184
7.2.5 復(fù)合泊松過程185
7.2.6 條件泊松過程185
7.3 馬爾可夫鏈186
7.3.1 馬爾可夫鏈的定義186
7.3.2 馬爾可夫鏈狀態(tài)的分類189
7.3.3 馬爾可夫鏈的應(yīng)用194
7.4 鞅199
7.4.1 離散指標(biāo)鞅的定義199
7.4.2 上(下)鞅及相關(guān)定理 201
7.4.3 停時及相關(guān)定理202
7.4.4 連續(xù)指標(biāo)鞅203
7.4.5 鞅的應(yīng)用204
習(xí)題7206
參考文獻(xiàn)207
展開全部
書友推薦
- >
羅庸西南聯(lián)大授課錄
- >
隨園食單
- >
二體千字文
- >
月亮虎
- >
羅曼·羅蘭讀書隨筆-精裝
- >
月亮與六便士
- >
大紅狗在馬戲團(tuán)-大紅狗克里弗-助人
- >
上帝之肋:男人的真實旅程
本類暢銷
