《机器学习在量化金融中的应用》PDF电子书免费下载

作者:  倪好 于光希 郑劲松 董欣

出版社: 清华大学出版社

出版年: 2021年02月

ISBN: 9787302565963

~~滚到底部有网盘下载链接~~

内容简介

目录

目录
第1章 概述1
11 大数据时代1
12 机器学习2
13 量化金融5
131 金融数据的挑战5
132 机器学习的金融应用5
133 量化金融的未来6
14 新一代宽客6
15 学习路线图7
16 更多资源8
161 Python库8
162 图书与其他在线资源9
17 本书之外10
第2章 监督学习12
21 回归任务框架12
211 模型14
212 损失函数15
213 优化方法16
214 预测和验证25
22 从回归到分类28
221 分类变量28
222 模型28
223 损失函数和优化方法29
224 预测和验证30
225 数值实验32
23 集成方法35
231 集成原理36
232 同质集成法37
233 异质集成法41
24 练习42
第3章 线性回归和正则化43
31 普通小二乘法43
311 公式推导43
312 优缺点45
32 正则化线性模型46
321 正则化46
322 岭回归47
323 套索回归48
324 数值实验50
325 两种正则化方法的联系52
33 线性模型延伸:基扩展55
34 练习56
第4章 树模型57
41 原理简介57
42 决策树58
421 树结构58
422 模型60
423 回归树61
424 剪枝65
425 特征重要性65
43 随机森林66
44 梯度提升树67
45 数值实验:Iris数据集69
451 决策树的实现69
452 随机森林的实现71
453 梯度提升树的实现72
454 三种树模型的比较72
46 练习74
第5章 神经网络75
51 基本概念75
511 神经元75
512 层77
513 激活函数77
514 张量80
52 人工神经网络81
521 浅层神经网络81
522 多层神经网络84
523 优化方法86
524 数值实验:MNIST数字识别91
53 卷积神经网络95
531 原理简介95
532 图像数据96
533 模型98
534 优化方法107
535 数值实验:Cifar10图像识别107
54 循环神经网络115
541 原理简介115
542 序列数据116
543 模型117
544 优化方法:BPTT118
545 循环神经网络的缺点121
546 LSTM和GRU124
547 数值实验:高频金融数据预测125
55 练习135
第6章 聚类分析136
61 原理简介136
62 聚类分析框架136
621 数据集137
622 相似性138
623 聚类方法138
624 检验指标139
63 K均值法140
631 原理简介140
632 参数选择141
633 K均值法的实现145
64 层次聚类146
641 链接方式146
642 树状图147
643 层次聚类的实现149
65 密度聚类:DBSCAN149
651 原理简介149
652 参数选择151
66 分布聚类152
661 原理简介152
662 期望算法152
67 数值实验:聚类分析155
68 练习155
第7章 主成分分析156
71 原理简介156
711 线性变换156
712 奇异值分解157
713 X和Z的方差158
714 降维159
715 实际问题159
716 主成分分析的实现160
72 数值实验:期限结构分析161
721 利率期限结构161
722 数据和观察值163
723 主成分分析与期限结构164
724 主成分分析与对冲168
725 主成分分析与聚类分析171
73 练习172
第8章 强化学习173
81 原理简介173
82 循环强化学习175
83 从RNN到RRL177
84 数值实验:算法交易182
85 练习187
第9章 金融案例研究:违约风险预测188
91 问题设定与数据189
92 探索性数据分析191
921 不平衡数据191
922 缺失值192
923 特征分组192
93 构建个分类器193
931 数据预处理193
932 特征工程193
933 训练模型195
934 折外预测196
935 参数调整199
94 模型集成200
95 提交结果202
96 练习202
961 CFM挑战:波动率预测202
962 Kaggle其他金融应用竞赛204
参考文献205
显示部分信息

下载价格:免费
立即下载
登入/注册
知识就是力量
没有账号? 忘记密码?