新書推薦： 《
“御容”与真相：近代中国视觉文化转型（1840-1920）
》 售價：NT$
505.0
《
鸣沙丛书·大风起兮：地方视野和政治变迁中的“五四”（1911～1927）
》 售價：NT$
454.0
《
海洋、岛屿和革命：当南方遭遇帝国（文明的另一种声音）
》 售價：NT$
485.0
《
铝合金先进成型技术
》 售價：NT$
1214.0
《
英雄之旅：把人生活成一个好故事
》 售價：NT$
398.0
《
分析性一体的涌现：进入精神分析的核心
》 售價：NT$
556.0
《
火枪与账簿：早期经济全球化时代的中国与东亚世界
》 售價：NT$
352.0
《
《全面与进步跨太平洋伙伴关系协定》国有企业条款研究
》 售價：NT$
449.0
編輯推薦：
机器学习在量化金融领域的应用手册。将机器学习模型作为量化因子投资的内核工具；实际案例+R语言和Python双代码，系统介绍股票配置与投资组合管理等方面的机器学习模型使用方法；梳理全球量化金融领域前沿成果，介绍近百篇AI与因子投资交叉领域的重要文献。特别适合金融及大数据相关专业的学生和研究人员、金融机构从业者，以及监管部门的专业人士参考阅读。
內容簡介：
本书首先介绍了将大数据集应用于机器学习的基础知识和因子投资的基本理论；之后，本书介绍了监督学习模式下可用于预测金融变量的几个基本机器学习算法，包括惩罚性线性回归、支持向量机等；接下来，本书介绍了将这些机器学习算法应用于金融领域的实战方法和细节；最后，本书讨论了一系列与机器学习和因子投资相关的进阶话题，包括模型的黑箱问题、因果关系问题和无监督学习算法等。本书适合金融机构从业者以及金融类专业学生系统了解因子投资的理论与方法，以及机器学习算法在因子投资领域的应用。
關於作者：
[法]纪尧姆·科克雷（Guillaume Coqueret）法国里昂商学院的金融和数据科学副教授，主要研究方向是机器学习工具在金融经济学中的应用。 [法]托尼·吉达（Tony Guida）法国RAM Active Investments公司执行董事，machineByte智库主席，著有Big Data and Machine Learning in Quantitative Investment一书。译者简介周亮金融工程博士，毕业于清华大学，在国内外金融学核心期刊上发表学术论文80余篇。现任湖南财政经济学院讲师，在多家私募证券基金担任顾问。周凡程理学硕士，毕业于国防科技大学，在机器学习和量化投资领域有着丰富的理论研究和实践经验，目前主要从事投资组合管理的研发工作。
目錄
第 1 章 符号与数据1.1 符号1.2 数据集第 2 章 简介2.1 背景2.2 投资组合构建流程2.3 机器学习不是“魔杖”第3 章 因子投资与资产定价异象3.1 简介3.2 异象检验3.3 因子还是特征3.4 热门话题：动量、择时和ESG3.5 与机器学习的联系3.6 代码练习第4 章 数据预处理4.1 认识你的数据4.2 缺失值4.3 异常值检测4.4 特征工程4.5 打标签4.6 处理持续性问题4.7 扩展4.8 代码和结果4.9 代码练习第5 章 惩罚性线性回归和稀疏对冲最小方差组合5.1 惩罚性线性回归5.2 稀疏对冲最小方差组合5.3 预测性回归5.4 代码练习第6 章 树模型6.1 简单决策树6.2 随机森林6.3 提升树：Adaboost6.4 提升树：极端梯度提升（extreme gradient boosting）算法6.5 讨论6.6 代码练习第7 章 神经网络7.1 原始感知机7.2 多层感知机7.3 其他实际问题7.4 关于基础多层感知机的代码示例和注释7.5 循环神经网络7.6 其他常用架构7.7 代码练习第8 章支持向量机8.1 用SVM 进行分类8.2 用SVM 进行回归8.3 实践8.4 代码练习第9章 贝叶斯方法9.1 贝叶斯框架9.2 贝叶斯采样9.3 贝叶斯线性回归9.4 朴素贝叶斯分类器9.5 贝叶斯加性回归树第 10章 验证和调参10.1 学习参数10.2 验证10.3 寻找好的参数10.4 关于验证的简短讨论第 11章 集成模型11.1 线性集成11.2 堆叠集成11.3 扩展11.4 代码练习第 12章 投资组合回测12.1 基本设定12.2 将信号转化为投资组合的权重12.3 绩效评估12.4 常见错误和问题12.5 非平稳性：预测是困难的12.6 第 一个例子：一个完整的回测12.7 第二个例子：过拟合12.8 代码练习第 13 章 可解释性13.1 全局模型13.2 局部模型第 14 章两个关键概念：因果关系和非平稳性14.1 因果关系14.2 处理不断变化的环境第 15 章无监督学习15.1 预测变量的相关性问题15.2 主成分分析和自编码器15.3 k -means 聚类15.4 最近邻方法15.5 代码练习第 16 章强化学习16.1 理论布局16.2 维度灾难16.3 策略梯度16.4 简单案例16.5 结束语16.6 练习附录1 变量说明附录2 练习答案附录3 Python代码（扫书中二维码获取）参考文献（扫书中二维码获取）
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
