金融AI算法：人工智能在金融领域的前沿应用指南

图书标准信息

• 作者 [德]克里斯蒂安·L.迪尼（Christian L.Dunis） 著；武鑫、张帅、张笑 译
• 出版社 中国人民大学出版社
• 出版时间 2021-07
• 版次 1
• ISBN 9787300294315
• 定价 89.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 310页
• 字数 310千字

【内容简介】

  作为带领新一轮科技革命的重要技术之一，人工智能技术已被广泛应用于金融、医疗、安防、教育等多个领域，而且应用场景也越来越丰富。
  在金融行业，人工智能技术已从过去只发挥支持作用，到如今成为行业重要的核心竞争力之一。人工智能技术可以应用于金融行业的方方面面：
  人工神经网络可用于预测宏观经济指标和金融市场的时间序列；
  遗传算法可用于优化股票市场择时和投资组合创建；
  数据挖掘工具可用于信用风险评估；
  专家系统可以模拟专家解决问题的能力做出决策，并将其应用于证券分析和公司评估等。
  目前，人工智能技术本身尚处于不断发展的过程中，其在金融领域更大规模的应用还会面临很多障碍。但可以确定的是，未来随着人工智能技术的进一步发展和成熟，金融领域也将更智能化、人性化，并出现更多的革新和进步。
  如何使用时间序列分析预测和交易不同的资产（包括衍生品、交易所交易基金、债务和权益工具）？
  人工智能如何应用于宏观经济学和微观经济学？
  如何利用人工智能技术更好地理解和预测经济变量？
  如何进行公司金融和信用分析，以及如何建立财务报表分析与各种金融场景影响的关系？
  如何进行资产的配置与优化？
  《金融AI算法：人工智能在金融领域的前沿应用指南》汇集了人工智能领域和金融领域的部分新研究，以及大量人工智能/神经网络技术应用于金融市场、资产管理和其他金融领域的案例，展示了应用人工智能技术来建模时间序列、提高政府决策能力、评估信用评级、选股和优化投资组合的优势，为从业人员和研究人员提供了进行深入分析的高度适用的工具和技术。

【作者简介】

克里斯蒂安・L. 迪尼博士是Acanto研究院的创始合伙人，负责全球风险和新产品。他是利物浦约翰摩尔大学银行和金融学名誉教授。从1999年2月到2011年8月，他一直在利物浦约翰摩尔大学管理国际银行、经济和金融中心工作。他拥有国际经济学硕士学位和高级研究文凭，以及巴黎大学经济学博士学位。
彼得・W.米德尔顿博士拥有利物浦大学博士学位。他拥有资产管理方面的工作经历，发表了多篇关于商品价差预测和股票时间序列预测的文章。
安德里亚斯・卡拉萨索普洛斯博士在克里斯蒂安・L. 迪尼教授的指导下，获得了利物浦约翰摩尔大学的理学硕士和博士学位。他从事学术研究工作，曾在阿尔斯特大学、伦敦都市大学和东伦敦大学任教。目前，他是贝鲁特美国大学副教授，在人工智能领域发表了30多篇文章，并出版了1本专著。
康斯坦丁诺斯・西奥菲拉托斯博士拥有希腊帕特拉斯大学理学硕士和博士学位。他的研究方向包括计算智能、金融时间序列预测和交易、生物信息学、数据挖掘和网络技术。他在科学期刊上发表了27篇论文，在多部会议论文集中发表了30多篇文章。

【目录】

第一部分 人工智能简介
第1章 人工智能在金融领域的应用概述
引言
专家系统在金融领域中的应用
混合智能在金融中的应用
总结
附录
第二部分 金融预测和交易
第2章 交易富时100 指数：“自适应”
建模和优化技术
引言
文献综述
相关金融数据
提出的方法
实证分析
结论和未来的工作
第3章 裂解价差的建模、预测和交易：一种用于训练神经网络的滑动窗口方法
引言
文献综述
描述性统计
方法
实证结果
结束语和研究的局限性
附录
第4章 GEPTrader：一种用基因表达式编程构建交易策略的新工具
引言
文献综述
数据集
GEPTrader
实验结果
结论
第三部分 经济
第5章 商业智能助力经济决策
引言
文献综述
创建商业自动化数据经济模型的方法
模型的实证结果
结论
第四部分 信用风险与分析
第6章 信用风险评估中基于数据挖掘应用的自动化文献分析
引言
材料和方法
结论和分析
结论
第7章 智能信用风险决策支持：架构和实施
引言
文献综述
信用风险领域的决策支持与专家系统
结论
第8章 人工智能在伊斯兰债券评级预测中的应用
引言
文献综述
数据与研究方法
结果与分析
结论
附录1
附录2
附录3
第五部分 投资组合管理、分析与优化
第9 章 不确定性下的多周期投资组合选择：一种基于交互的方法
引言
模型
模拟结果
选择的一致性
讨论
结论
附录：部分伪码
第10章 运用多目标遗传算法应对投资组合选择中的模型风险
引言
投资组合优化与现代投资组合理论
模型风险的概念
用于组合优化的MOGA
投资组合的夏普比率误差
股票预测模型
实验
实证结果与分析
结论
第11章 线性回归与模糊线性回归：在共同基金经理绩效评估中有何区别
引言
方法论
数据集描述
实证应用
结论与未来展望