金融与财务机器学习

人工智能时代，满足新课程开设需要，全面系统，注重实操，配套资源丰富

本书是金融与财务机器学习课程的教材。金融和财务领域集中了大量的交易数据和财务数据，为人工智能技术的运用奠定了良好的数据基础。同时，机器学习技术突飞猛进，为行业提供了跨越式发展的机会。在相关专业和方向开设“金融与财务机器学习”课程正当其时。
本书介绍了金融实证分析的主要方法和前沿问题、金融与财务机器学习的主要方法、评估方法和案例等。本书共12章，包括：金融与财务领域的机器学习，Python软件使用简介，金融与财务大数据的处理与分析，因子与因子模型，因子模型的估计、检验与解释，金融资产收益预测，包含惩罚项的线性回归模型，数据降维模型，树形模型与分类模型，神经网络模型，模型评估、训练与可解释性，文本分析。
本书可作为普通高等学校经济学和管理学类专业的高年级本科和研究生教材，也适合对金融和财务领域机器学习感兴趣的读者参考。

前言
第一章金融与财务领域的机器学习1
第一节机器学习的基本介绍1
一、机器学习的历史2
二、机器学习的分类5
三、机器学习的思想6
四、机器学习的要素8
五、机器学习的步骤9
六、机器学习与传统编程10
第二节机器学习在金融与财务领域的应用特性11
一、金融与财务对机器学习的需求性11
二、机器学习的优势13
三、机器学习可能面临的挑战14
第三节机器学习在金融与财务领域的应用现状18
第二章Python软件使用简介23
第一节Python入门23
一、Python简介23
二、Python安装24
三、Python使用25
四、Python基础知识26
第二节Python数据处理程序包37
一、多维数组Numpy37
二、面板处理Pandas42
三、科学计算SymPy49
四、统计分析Statsmodels53
五、金融计量Linearmodels55
第三节Python机器学习程序包58
一、机器学习58
二、深度学习62
第三章金融与财务大数据的处理与分析64
第一节大数据时代64
一、理解大数据64
二、金融大数据65
三、本章概览65
第二节金融与财务数据资源65
一、国泰安中国经济金融研究数据库65
二、万得资讯67
三、中国研究数据服务平台68
四、证券价格研究中心(CRSP)70
五、公开数据源72
六、文献数据源77
第二节描述性统计88
一、中心趋势性88
二、分散性89
三、对称性和厚尾性89
四、持续性90
五、相关性90
第三节数据预处理93
一、缺失值处理93
二、异常值处理94
三、标准化处理96
第四节特征工程97
一、特征工程简介97
二、特征选择97
第四章因子与因子模型103
第一节因子与因子模型简介103
一、金融与财务因子与因子模型简介103
二、从单因子模型到多因子模型104
第二节Alpha与市场异象106
一、Alpha收益106
二、资产价格异象107
第三节多因子模型的新发展108
一、因子检验的一般流程108
二、Fama-French五因子模型109
三、Hou-Xue-Zhang的q-因子模型110
四、Stambaugh-Yuan错误定价因子模型111
五、Liu-Stambaugh-Yuan的CH-3模型113
第四节因子分类114
一、常见的因子分类114
二、其他特色因子119
第五节因子模型的研究挑战121
一、因子时变性121
二、因子有效性识别122
三、因子研究的近况与挑战123
第五章因子模型的估计、检验与解释126
第一节因子模型检验概述126
第二节组合分析法128
一、单变量组合分析129
二、双变量组合分析132
三、三变量组合分析135
第三节因子模拟组合法136
一、排序分组法137
二、方差最小化法137
第四节时间序列回归法139
一、Alpha检验140
二、GRS检验140
第五节Fama-MacBeth回归法141
一、Fama-MacBeth两阶段回归141
二、Fama-MacBeth三阶段回归143
第六节解释因子模型146
一、风险补偿146
二、错误定价147
三、数据挖掘149
第六章金融资产收益预测154
第一节资产收益的可预测性154
一、资产收益可预测性的讨论154
二、资产收益可预测性的解释156
第二节样本内预测158
一、方差比检验158
二、样本内预测159
三、预测模型面临的挑战162
四、新的金融预测方法162
第三节样本外预测163
一、样本外预测的统计量163
二、投资价值评估165
三、其他预测方法166
第四节预测指标的选择167
一、宏观经济指标168
二、估值与财务指标168
三、情绪指标169
四、技术面指标170
五、波动率指标170
第五节Campbell-Shiller现金流折现率分解171
一、来源与推导171
二、进一步讨论173
第七章包含惩罚项的线性回归模型177
第一节最小二乘法线性回归模型177
一、线性回归177
二、OLS模型的基本原理178
三、OLS模型的应用179
第二节岭回归182
一、岭回归的提出182
二、岭回归的基本原理182
三、岭回归的变量选择特征184
四、岭回归的调节参数选择184
第三节LASSO模型188
一、LASSO模型的提出188
二、LASSO模型的基本原理188
三、LASSO模型的变量选择特征189
四、LASSO模型的扩展192
五、LASSO模型的应用193
……