基本信息
- 商品名称：机器学习在量化金融中的应用
- 作者：倪好//于光希//郑劲松//董欣|责编:秦健
- 定价：69
- 出版社：清华大学
- 书号：9787302565963
其他参考信息（以实物为准）
- 出版时间：2021-02-01
- 印刷时间：2021-02-01
- 版次：1
- 印次：1
- 开本：16开
- 包装：平装
- 页数：1
- 字数：240千字
编辑推荐语
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
内容提要
本书是 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 简单的线性回归模型——普通 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。
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。\\\"
目录
第1章 概述
1.1 大数据时代
1.2 机器学习
1.3 量化金融
1.3.1 金融数据的挑战
1.3.2 机器学习的金融应用
1.3.3 量化金融的未来
1.4 新一代宽客
1.5 学习路线图
1.6 多资源
1.6.1 Python库
1.6.2 图书与其他在线资源
1.7 本书之外
第2章 监督学习
2.1 回归任务框架
2.1.1 模型
2.1.2 损失函数
2.1.3 优化方法
2.1.4 预测和验证
2.2 从回归到分类
2.2.1 分类变量
2.2.2 模型
2.2.3 损失函数和优化方法
2.2.4 预测和验证
2.2.5 数值实验
2.3 集成方法
2.3.1 集成原理
2.3.2 同质集成法
2.3.3 异质集成法
2.4 练习
第3章 线性回归和正则化
3.1 普通 小二乘法
3.1.1 公式推导
3.1.2 优缺点
3.2 正则化线性模型
3.2.1 正则化
3.2.2 岭回归
3.2.3 套索回归
3.2.4 数值实验
3.2.5 两种正则化方法的联系
3.3 线性模型延伸：基扩展
3.4 练习
第4章 树模型
4.1 原理简介
4.2 决策树
4.2.1 树结构
4.2.2 模型
4.2.3 回归树
4.2.4 剪枝
4.2.5 特征重要性
