幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

金融科技統計建模基礎(新文科複合型人才培養系列教材)

  • 作者：編者:柴建//王美花//白旭超|責編:李惠萍
  • 出版社：西安電子科大
  • ISBN：9787560672908
  • 出版日期：2024/07/01
  • 裝幀：平裝
  • 頁數：208
人民幣：RMB 36 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    人工智慧、大數據等新興技術的快速發展推動了金融行業的巨大變革，金融科技已滲透至金融行業的各個領域和環節，而金融科技的發展也將重塑金融生態，重構金融業務流程，促進普惠金融。
    本書系統地介紹了金融科技的發展脈絡、基本概念、基本方法、基本理論與應用場景，重點關注金融科技統計建模相關基本方法的原理及其應用。全書共7章，具體為金融科技簡介、相關分析、貝葉斯統計、回歸分析、分類方法、時間序列分析、隨機過程。
    本書適合作為高等院校經濟學類各專業高年級本科生及應用經濟學學科碩士研究生的教材或參考書，也可供具有數學、統計學、經濟學基礎的經濟管理人員和研究人員及金融行業從業者參考。
作者介紹
編者:柴建//王美花//白旭超|責編:李惠萍
目錄
第1章  金融科技簡介
  1.1  金融科技概述
    1.1.1  金融科技的概念
    1.1.2  金融科技的發展歷程
  1.2  金融科技關鍵技術
  1.3  金融科技的應用
  習題1
第2章  相關分析
  2.1  相關分析概述
    2.1.1  變數相關性案例
    2.1.2  相關性分類
    2.1.3  相關性描述方法
  2.2  多元分佈函數
    2.2.1  多元分佈函數的定義
    2.2.2  多元分佈函數的性質
    2.2.3  多元分佈函數的應用
  2.3  Copula函數
    2.3.1  Copula函數的定義
    2.3.2  Copula函數的分類
    2.3.3  Copula函數的構造及其性質
    2.3.4  Copula函數的選擇
    2.3.5  Copula函數的應用
  2.4  偏相關分析與復相關
    2.4.1  偏相關分析
    2.4.2  復相關分析
  2.5  距離相關分析
    2.5.1  距離度量方法
    2.5.2  距離相似係數
  習題2
第3章  貝葉斯統計
  3.1  貝葉斯統計概述
    3.1.1  頻率學派與貝葉斯學派
    3.1.2  經典統計學與貝葉斯統計學
    3.1.3  為什麼要學習貝葉斯統計
  3.2  貝葉斯定理
    3.2.1  事件形式的貝葉斯定理
    3.2.2  隨機變數形式的貝葉斯定理
  3.3  共軛先驗分佈
    3.3.1  共軛先驗分佈的定義
    3.3.2  后驗分佈的計算
    3.3.3  共軛先驗分佈的優缺點
    3.3.4  常用的共軛先驗分佈
  3.4  貝葉斯統計推斷
    3.4.1  貝葉斯點估計
    3.4.2  貝葉斯區間估計
  3.5  假設檢驗
    3.5.1  貝葉斯假設檢驗
    3.5.2  貝葉斯因子
    3.5.3  簡單假設對簡單假設
    3.5.4  複雜假設對複雜假設

    3.5.5  簡單原假設對複雜備擇假設
    3.5.6  多重假設檢驗
  3.6  預測
  3.7  模型選擇與評價
    3.7.1  正常先驗下的貝葉斯模型選擇方法
    3.7.2  貝葉斯模型評價
  習題3
第4章  回歸分析
  4.1  回歸分析概述
    4.1.1  回歸分析與回歸模型
    4.1.2  回歸模型建立與分析
    4.1.3  回歸分析發展述評
  4.2  線性回歸及參數估計
    4.2.1  一元線性回歸模型
    4.2.2  多元線性回歸模型
    4.2.3  模型的參數估計
  4.3  模型選擇
    4.3.1  模型選擇概述
    4.3.2  偏差方差分解
    4.3.3  模型選擇準則
    4.3.4  回歸變數選擇
  4.4  廣義線性模型
    4.4.1  二點分佈回歸
    4.4.2  指數分佈族
    4.4.3  廣義線性模型
    4.4.4  模型估計
    4.4.5  模型檢驗與診斷
  4.5  高維回歸係數壓縮
    4.5.1  嶺回歸
    4.5.2  LASSO回歸
    4.5.3  Shooting演算法
    4.5.4  路徑演算法
    4.5.5  其他懲罰項及Oracle性質
  習題4
第5章  分類方法
  5.1  分類方法概述
  5.2  決策樹分類
    5.2.1  決策樹模型
    5.2.2  決策樹學習
  5.3  K-最近鄰分類
  5.4  樸素貝葉斯分類
  5.5  人工神經網路
    5.5.1  感知器
    5.5.2  神經元
    5.5.3  人工神經網路的類型
  5.6  支持向量機
    5.6.1  線性可分SVM
    5.6.2  線性SVM
    5.6.3  非線性SVM
  習題5

第6章  時間序列分析
  6.1  時間序列分析概述
    6.1.1  時間序列分析方法
    6.1.2  時間序列的平穩性
  6.2  AR模型
    6.2.1  AR(1)模型
    6.2.2  AR(2)模型
    6.2.3  AR(p)模型與平穩性的判定
  6.3  ARMA模型
    6.3.1  MA模型
    6.3.2  ARMA(p，q)模型的定義及性質
    6.3.3  ARMA模型的建立與估計
  6.4  ARIMA模型
    6.4.1  ARIMA模型的結構
    6.4.2  ARIMA模型的性質
    6.4.3  ARIMA模型建模
    6.4.4  ARIMA模型預測
  6.5  條件異方差模型
    6.5.1  條件異方差模型的結構
    6.5.2  條件異方差模型建模
  習題6
第7章  隨機過程
  7.1  隨機過程概述
    7.1.1  預備知識
    7.1.2  隨機過程的定義
    7.1.3  有限維分佈和數字特徵
    7.1.4  隨機過程的分類
  7.2  泊松過程
    7.2.1  指數分佈
    7.2.2  泊松過程的定義
    7.2.3  泊松過程的性質
    7.2.4  非時齊泊松過程
    7.2.5  複合泊松過程
    7.2.6  條件泊松過程
  7.3  馬爾可夫鏈
    7.3.1  馬爾可夫鏈的定義
    7.3.2  馬爾可夫鏈狀態的分類
    7.3.3  馬爾可夫鏈的應用
  7.4  鞅
    7.4.1  離散指標鞅的定義
    7.4.2  上(下)鞅及相關定理
    7.4.3  停時及相關定理
    7.4.4  連續指標鞅
    7.4.5  鞅的應用
  習題7
參考文獻

  • 商品搜索：
  • | 高級搜索
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