您好,欢迎来到聚文网。 登录 免费注册
金融中的机器学习:理论与实践

金融中的机器学习:理论与实践

  • 字数: 572
  • 出版社: 中国人民大学
  • 作者: (美)马修·F.狄克逊//伊戈尔·霍尔珀林//保罗·比罗肯|译者:贾越珵//徐峥
  • 商品条码: 9787300326436
  • 适读年龄: 12+
  • 版次: 1
  • 开本: 16开
  • 页数: 524
  • 出版年份: 2026
  • 印次: 1
定价:¥128 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书分为三个部分,每部分都涵盖理论和应用。第一部分从贝叶斯和频数论的角度提出了横截面数据的监督学习。该部分强调神经网络,包括深度学习以及高斯过程,并提供投资管理和衍生模型的示例。第二部分介绍了时间序列数据的监督学习,时间序列数据可以说是金融中最常用的数据类型,并举例说明了交易、随机波动性和固定收益建模。第三部分介绍了强化学习及其在交易、投资和财富管理中的应用。本文提供了Python代码示例,以帮助读者理解方法和应用程序。
目录
第一部分 基于横截面数据的机器学习 第1章 引论 1.1 背景 1.2 机器学习与预测 1.3 统计建模与机器学习 1.4 强化学习 1.5 实践中监督机器学习的示例 1.6 本章小结 1.7 习题 第2章 概率建模 2.1 简介 2.2 贝叶斯vs.频率估计 2.3 从数据中进行频率推断 2.4 评估估计量的质量:偏差和方差 2.5 关于估计量的偏差-方差权衡(困境) 2.6 从数据中进行贝叶斯推断 2.7 模型选择 2.8 概率图模型 2.9 本章小结 2.10 习题 第3章 贝叶斯回归和高斯过程 3.1 简介 3.2 线性回归的贝叶斯推断 3.3 高斯过程回归 3.4 大规模可缩放高斯过程 3.5 示例:使用单-GP进行定价和希腊值计算 3.6 多响应高斯过程 3.7 本章小结 3.8 习题 第4章 前馈神经网络 4.1 简介 4.2 前馈架构 4.3 凸性与不等式约束 4.4 训练、确认和测试 4.5 随机梯度下降 4.6 贝叶斯神经网络 4.7 本章小结 4.8 习题 第5章 可解释性 5.1 简介 5.2 关于可解释性的背景 5.3 神经网络的解释力 5.4 交互效应 5.5 雅可比矩阵方差的界 5.6 因子建模 5.7 本章小结 5.8 练习第二部分 序贯学习 第6章 序贯建模 6.1 简介

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网