• 金融数据挖掘
21年品牌 40万+商家 超1.5亿件商品

金融数据挖掘

正版图书带塑封 当天发货 9969486623626493953

11.03 1.6折 68 九五品

仅1件

天津宝坻
认证卖家担保交易快速发货售后保障

作者刘振亚、李伟 著

出版社中国经济出版社

出版时间2016-09

版次1

装帧平装

货号9969486623626493953

上书时间2024-12-19

转转精品图书店的书店

已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:九五品
图书标准信息
  • 作者 刘振亚、李伟 著
  • 出版社 中国经济出版社
  • 出版时间 2016-09
  • 版次 1
  • ISBN 9787513642484
  • 定价 68.00元
  • 装帧 平装
  • 开本 16开
  • 纸张 胶版纸
  • 页数 218页
  • 字数 206千字
【内容简介】

  本书从金融数据挖掘的数据整理(cluster and classification)和重抽样方法(resampling)开始,介绍了模型的筛选方法(selection methods)、克服高维灾难(disaster of dimensionality)的方法,以及非线性模型(non-linear models)、非参数估计(unsupervised estimation)、决策树(tree-based methods)和支持向量机(support vector machines)等数据挖掘方法,并在后面介绍了R语言的基本操作。

 

  本书的案例均采用股票市场数据来进行数据挖掘分析,利用简明实用的一些数据挖掘方法来诠释金融数据挖掘的魅力,以期每一名本书的读者都够掌握一些本书介绍的方法,并应用于股票市场投资当中去。当然,正像所有投资书籍及投资机构都会提到的一样,本书也必须指出,“投资有风险,挖掘需谨慎”。

 


【作者简介】

  刘振亚,中国人民大学财金学院和英国伯明翰大学教授,博士生导师,摩根大通期货有限公司(JP Morgan Futures)董事,全球管理期货(CTA) Winton Capital中国早期的合作者。在金融计量、量化投资、宏观经济等领域有着深入的研究,从1991年以来已出版多本专业著作,并在China Economic Review 、《世界经济》等国内外一流杂志发表多篇文章。

 


【目录】

导言

 

第一章金融数据分类分析(1)——Logit、LDA、QDA与KNN

 

  第一节 Logistic 分类法

 

  第二节 LDA、QDA与KNN分类法

 

  第三节 案例:上证综合指数涨跌预测

 

第二章金融数据分类分析(2)-聚类分析

 

  第一节 系统聚类法和K-means聚类法

 

  第二节 案例

 

    案例1:系统聚类分析法的应用——股指状态阶段的判断与划分

 

    案例2. k-means聚类法应用案例

 

附录:案例代码

 

第三章金融数据重抽样

 

  第一节 交叉验证方法

 

  第二节 拔靴法

 

  第三节 案例:重抽样方法下的股指涨跌预测模型的再分析

 

  附录1:投资比例公式证明过程

 

  附录2:案例代码

 

第四章线性模型筛选

 

  第一节 子集筛选法(Subset Selection Methods)

 

  第二节 收缩筛选法(Shrinkage Selection Methods)

 

  第三节 案例:regsubset函数在股指涨跌预测模型筛选中的用法

 

  附录:案例代码

 

第五章克服高维灾难

 

第一节主成分分析法(principal components analysis,PCA)

 

  第二节 部分最小二乘法( Partial Least Squares, PLS )

 

  第三节 案例

 

  案例1. 财务指标含义及指向性介绍

 

案例2. 主成分分析法在选股中的应用

 

第六章非线性模型及非参数估计方法

 

第一节 非线性模型简介

 

第二节 非参估计方法简介

 

  第三节 样条估计法

 

  附录:实例代码

 

第七章决策树

 

  第一节 决策树的基本知识

 

  第二节 三种提高树状模型预测精度的方法

 

  第三节 案例

 

    案例1:决策树方法在股指涨跌预测中的应用

 

    案例2:bagging、randomforest和boosting在决策树模型中的应用

 

第八章支持向量机

 

  第一节 最大边际分类器与支持向量分类器

 

  第二节 支持向量机

 

  第三节 案例:基于SVM 方法的上证指数涨跌预测

 

第九章R语言及作图

 


点击展开 点击收起

—  没有更多了  —

以下为对购买帮助不大的评价

此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP