同類熱銷排行榜

金融機器學習和數據科學實踐

作者：(印)哈里姆·塔特薩特//薩赫勒·普瑞//(美)布拉德·盧卡博|責編:劉熾|譯者:杜春曉
出版社：中國電力
ISBN：9787519869632

出版日期：2022/11/01
裝幀：平裝
頁數：429

人民幣：RMB 128 元售價：元

內容大鋼

    今後幾年，機器學習和數據科學將在金融業掀起巨變。對沖基金、投資和零售銀行、金融科技從業者可從本書學到金融業核心機器學習演算法。本書不僅介紹監督學習、無監督學習和強化學習三大類機器學習技術和自然語言處理（NLP）技術相關概念，還通過近20個案例研究，詳細介紹它們在金融領域的應用。
    本書涵蓋投資組合管理、演算法交易、衍生品定價、欺詐檢測、資產價格預測、情感分析和聊天機器人開發等主題，不論你是分析師、交易員、研究員或開發者，總有適合你深入學習的內容。本書將帶你探究真實問題，學習科學可靠的解決方案。重點代碼詳細解讀，並佐以示例。本書代碼庫更配有完整代碼和運行結果，鑽研、運行代碼和比對結果更便捷。
    本書主要內容有：
    用監督學習回歸模型開發演算法交易策略和衍生品定價模型。
    用監督學習分類模型預測信貨違約概率，檢測欺詐行為。
    用降維技術解決投資組合管理和收益率曲線構造問題。
    為實現交易策略和管理投資組合，用降維和聚類技術尋找相似資產。
    用強化學習模型和技術開發交易策略、衍生品對沖策略，管理投資組合。
    用NLTK和scikit-learn等Python庫解決金融領域自然語言處理問題。

作者介紹

(印)哈里姆·塔特薩特//薩赫勒·普瑞//(美)布拉德·盧卡博|責編:劉熾|譯者:杜春曉

前言
第一部分  框架
  第1章  金融機器學習簡介
    1.1  金融機器學習應用的現狀和前景
      1.1.1  演算法交易
      1.1.2  投資組合管理和智能投顧
      1.1.3  欺詐檢測
      1.1.4  貸款、信用卡和保險審核
      1.1.5  自動化和聊天機器人
      1.1.6  風險管理
      1.1.7  資產價格預測
      1.1.8  衍生品定價
      1.1.9  情感分析
      1.1.10  金融資產結算
      1.1.11  反洗錢
    1.2  機器學習、深度學習、人工智慧和大數據
    1.3  機器學習類型
      1.3.1  監督學習
      1.3.2  無監督學習
      1.3.3  強化學習
    1.4  自然語言處理
    1.5  小結
  第2章  用Python開發機器學習模型
    2.1  為什麼用Python
    2.2  Python機器學習包
    2.3  Python生態系統的模型開發步驟
    2.4  小結
  第3章  人工神經網路
    3.1  人工神經網路：架構、訓練和超參數
      3.1.1  架構
      3.1.2  訓練
      3.1.3  超參數
    3.2  用Python建人工神經網路模型
      3.2.1  安裝Keras等機器學習包
      3.2.2  提高人工神經網路模型運行速度：GPU和雲服務
    3.3  小結
第二部分  監督學習
  第4章  監督學習：模型和概念
    4.1  監督學習模型概覽
      4.1.1  線性回歸（普通最小二乘法）
      4.1.2  正則化回歸
      4.1.3  對數概率回歸
      4.1.4  支持向量機
      4.1.5  k近鄰
      4.1.6  線性判別分析
      4.1.7  分類回歸樹
      4.1.8  集成模型
      4.1.9  人工神經網路模型
    4.2  模型性能
      4.2.1  過擬合和欠擬合

      4.2.2  交叉檢驗
      4.2.3  評估指標
    4.3  模型選擇
      4.3.1  影響模型選擇的因素
      4.3.2  模型取捨
    4.4  小結
  第5章  監督學習：回歸（含時間序列模型）
    5.1  時間序列模型
      5.1.1  拆解時間序列
      5.1.2  自相關性和平穩性
      5.1.3  傳統時間序列模型（包括ARIMA模型）
      5.1.4  時間序列建模的深度學習方法
      5.1.5  為監督學習模型調整時間序列數據
    5.2  案例研究1：股價預測
    5.3  案例研究2：衍生品定價
    5.4  案例研究3：投資者風險容忍度和智能投顧
    5.5  案例研究4：收益率曲線預測
    5.6  小結
    5.7  練習
  第6章  監督學習：分類
    6.1  案例研究1：欺詐檢測
    6.2  案例研究2：預測借款拖欠概率
    6.3  案例研究3：比特幣交易策略
    6.4  小結
    6.5  練習
第三部分  無監督學習
  第7章  無監督學習：降維
    7.1  降維技術
      7.1.1  主成分分析
      7.1.2  核主成分分析
      7.1.3  t-SNE
    7.2  案例研究1：投資組合管理：尋找特徵組合
    7.3  案例研究2：收益率曲線構造和利率建模
    7.4  案例研究3：比特幣交易：提高速度和準確率
    7.5  小結
    7.6  練習
  第8章  無監督學習：聚類
    8.1  聚類技術
      8.1.1  k均值聚類
      8.1.2  層次聚類
      8.1.3  親和力傳播聚類
    8.2  案例研究1：配對交易聚類
    8.3  案例研究2：投資組合管理：投資者聚類
    8.4  案例研究3：層次風險平價
    8.5  小結
    8.6  練習
第四部分  強化學習和自然語言處理
  第9章  強化學習
    9.1  強化學習的理論和概念
      9.1.1  強化學習建模框架

      9.1.2  強化學習模型
      9.1.3  強化學習的主要挑戰
    9.2  案例研究1：用強化學習實現交易策略
    9.3  案例研究2：衍生品對沖
    9.4  案例研究3：投資組合分配
    9.5  小結
    9.6  練習
  第10章  自然語言處理
    10.1  Python的NLP庫
      10.1.1  NLTK庫
      10.1.2  TextBlob庫
      10.1.3  spaCy庫
    10.2  NLP理論和概念
      10.2.1  預處理
      10.2.2  特徵表示
      10.2.3  推斷
    10.3  案例研究1：用NLP和情感分析技術實現交易策略
    10.4  案例研究2：聊天機器人數字助理
    10.5  案例研究3：文檔摘要
    10.6  小結
    10.7  練習

Δ訂單支付
付款方式
運費計算方式

Δ關於我們
關於美商天龍
聯絡我們

首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032

同類熱銷排行榜

最近瀏覽的商品

金融機器學習和數據科學實踐