机器学习在量化金融中的应用
正版新书 新华官方库房直发 可开电子发票
￥ 46.23 6.7折 ￥ 69 全新
仅1件
作者倪好 等
出版社清华大学出版社
ISBN9787302565963
出版时间2021-02
版次1
装帧平装
开本32开
纸张胶版纸
页数440页
字数240千字
定价69元
货号SC:9787302565963
上书时间2024-06-27
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
作者简介:
"倪好，伦敦大学学院数学系副教授。研究方向包括随机分析、金融数学、机器学习和应用等。希望通过分享个人研究成果与经验心得，为对机器学习感兴趣的读者提供严谨简捷的入门，并且侧重于对计量金融方面的应用。
于光希，伦敦大学学院金融数学硕士，专注机器学习在金融中的应用，现任申万宏源证券研究所量化分析师。
郑劲松，德国杜伊斯堡埃森大学经济学博士，有多年量化风险分析与金融建模相关的海外工作经验，现任华泰证券算法工程师。
董欣，伦敦帝国理工学院金融数学博士，专注金融衍生品做市研究，现任城堡证券研究量化分析师。"
主编推荐:
资深金融数据分析专家多年工作结晶，深入浅出阐释机器学习的数学基础及其在金融数据分析领域的应用
内容简介:
本书是资深金融数据分析专家多年工作的结晶。书中深入浅出地阐释机器学习的数学基础及其在金融数据分析领域的应用。全书共分9章。第1章介绍机器学习的发展状况并概述机器学习在金融中的应用。第2章介绍监督学习的通用框架。第3章描述最简单的线性回归模型——普通最小二乘法以及正则化方法——岭回归和套索回归，并讨论线性模型及非线性的回归和分类方法。第4章讨论监督学习中的树模型，包括决策树、随机森林和梯度提升树。第5章重点介绍三种主要的神经网络：人工神经网络、卷积神经网络和循环神经网络。第6章和第7章介绍无监督学习，主要包括聚类分析和主成分分析。第8章重点介绍强化学习在投资组合优化中的应用。第9章以一个流行的数据挑战项目为例，使用前几章介绍的机器学习方法预测金融违约风险，为读者提供解决实际数据问题的经验。本书内容丰富，理论严谨，案例翔实，不仅包括完整的理论推导，而且囊括可用于实际项目的案例代码，适合高等院校计算机及相关专业的高年级本科生或者研究生阅读，也可以作为机器学习爱好者及金融分析师等的参考用书。
目录:
第1章概述1
1.1大数据时代1
1.2机器学习2
1.3量化金融5
1.3.1金融数据的挑战5
1.3.2机器学习的金融应用5
1.3.3量化金融的未来6
1.4新一代宽客6
1.5学习路线图7
1.6更多资源8
1.6.1Python库8
1.6.2图书与其他在线资源9
1.7本书之外10
第2章监督学习12
2.1回归任务框架12
2.1.1模型14
2.1.2损失函数15
2.1.3优化方法16
2.1.4预测和验证25
2.2从回归到分类28
2.2.1分类变量28
2.2.2模型28
2.2.3损失函数和优化方法29
2.2.4预测和验证30
2.2.5数值实验32
2.3集成方法35
2.3.1集成原理36
2.3.2同质集成法37
2.3.3异质集成法41
2.4练习42
第3章线性回归和正则化43
3.1普通最小二乘法43
3.1.1公式推导43
3.1.2优缺点45
3.2正则化线性模型46
3.2.1正则化46
3.2.2岭回归47
3.2.3套索回归48
3.2.4数值实验50
3.2.5两种正则化方法的联系52
3.3线性模型延伸：基扩展55
3.4练习56
第4章树模型57
4.1原理简介57
4.2决策树58
4.
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价