潍坊科技学院图书馆书目检索系统

Online Public Access Catalogue

题名/责任者:

机器学习在量化金融中的应用/倪好 ... [等] 著

出版发行项:

北京:清华大学出版社,2021

ISBN及定价:

978-7-302-56596-3/CNY69.00

载体形态项:

207页:图 (部分彩图);24cm

并列正题名:

Introduction to machine learning and quantitative finance

个人责任者:

倪好 著

个人责任者:

于光希 著

个人责任者:

郑劲松 著

学科主题:

机器学习-应用-金融投资

中图法分类号:

F830.59-39

题名责任附注:

题名页题: 倪好, 于光希, 郑劲松, 董欣著

相关题名附注:

英文并列题名取自封面

责任者附注:

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。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。

书目附注:

有书目 (第205-207页)

提要文摘附注:

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-龄回归和套索回归, 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。

使用对象附注:

本书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

豆瓣简介：