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

量化金融原理與實踐(微課視頻版高等學校大學電腦課程系列教材)

  • 作者：編者:李政//李亞青//郭文偉|責編:葛鵬程//薛陽
  • 出版社：清華大學
  • ISBN：9787302685104
  • 出版日期：2025/04/01
  • 裝幀：平裝
  • 頁數：282
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書按照利用機器學習演算法建立經濟金融模型的流程安排章節內容，從拓寬讀者技能的角度出發，主要介紹經濟金融領域常用的人工智慧模型。
    全書共11章，分為兩部分。第1?5章是建模的前期準備，包括緒論、Python編程基礎及數據處理、數據可視化、數據表格的處理與數據清洗、特徵工程等。第6?11章介紹常用的模型，包括聚類類、主成分分析、線性模型、支持向量機、決策樹與隨機森林、神經網路等。本書通過圖文結合的方式詳細解釋了複雜數學模型的核心思想，對每條代碼的功能進行解釋，以降低讀者理解複雜命令的難度。
    本書可作為高等院校電腦類、經濟學、金融學等相關專業的教材，也可作為興趣讀者的自學讀物，還可作為相關行業技術人員的參考用書。
作者介紹
編者:李政//李亞青//郭文偉|責編:葛鵬程//薛陽
目錄
第1章  緒論
  1.1  軟體的安裝與功能
    1.1.1  軟體的下載與安裝
    1.1.2  軟體的界面與功能
  1.2  機器學習演算法介紹
  習題
第2章  Python編程基礎及數據處理
  2.1  Python基礎語法
    2.1.1  數據類型
    2.1.2  數據類型操作
    2.1.3  Python函數
  2.2  數據處理常用的庫
    2.2.1  數據分析
    2.2.2  相關庫
  習題
第3章  數據可視化
  3.1  繪圖基礎語法
    3.1.1  單一畫布作圖
    3.1.2  多畫布作圖
    3.1.3  圖像的保存和導出
  3.2  主要圖形的繪製
    3.2.1  折線圖
    3.2.2  散點圖
    3.2.3  條形圖
    3.2.4  箱線圖
    3.2.5  餅圖
    3.2.6  K線圖
    3.2.7  雷達圖
    3.2.8  熱力圖
    3.2.9  屬性兩兩分析圖
    3.2.10  氣泡圖
    3.2.11  小提琴圖和分簇散點圖
  習題
第4章  數據表格的處理與數據清洗
  4.1  xlwings及其相關演算法
    4.1.1  第三方庫xlwings
    4.1.2  xlwings與Pandas的實現
  4.2  統計分析與可視化
    4.2.1  統計分析
    4.2.2  可視化
  4.3  數據清洗
    4.3.1  空缺值、重複值、異常值
    4.3.2  數據歸一化
  4.4  特徵工程
    4.4.1  屬性的選擇
    4.4.2  屬性值的優化
  習題
第5章  特徵工程
  5.1  過濾法
    5.1.1  單變數

    5.1.2  多變數
    5.1.3  過濾法總結
  5.2  包裹法
    5.2.1  完全搜索
    5.2.2  啟髮式搜索
    5.2.3  隨機搜索
  5.3  嵌入法
    5.3.1  原理
    5.3.2  應用
    5.3.3  重要函數介紹
  習題
第6章  聚類
  6.1  聚類的概念及應用
    6.1.1  聚類的概念
    6.1.2  聚類的應用領域
  6.2  聚類演算法的相關原理
    6.2.1  K-means聚類
    6.2.2  層次聚類
  6.3  K值優化與聚類評價指標
    6.3.1  K值優化
    6.3.2  聚類評價指標
  6.4  在消費者行為分析中的應用
  習題
第7章  主成分分析
  7.1  主成分分析及步驟簡介
    7.1.1  主成分分析原理
    7.1.2  主成分分析流程
    7.1.3  相關檢驗
  7.2  重要函數介紹
  7.3  在車貸違約預測中的應用
    7.3.1  數據準備
    7.3.2  統計分析
    7.3.3  數據清洗
    7.3.4  Bartlett球狀檢驗
    7.3.5  KMO檢驗
    7.3.6  數據標準化
    7.3.7  PCA解釋方差和累計貢獻可視化
    7.3.8  主成分載荷矩陣和可視化
  習題
第8章  線性模型
  8.1  模型原理
    8.1.1  OLS線性回歸
    8.1.2  邏輯回歸
    8.1.3  嶺回歸
    8.1.4  混淆矩陣
  8.2  相關金融原理
  8.3  樣本構建
  8.4  模型應用
    8.4.1  構建OLS線性模型
    8.4.2  構建嶺回歸模型

    8.4.3  構建邏輯回歸模型
  8.5  模型的改進
  習題
第9章  支持向量機
  9.1  支持向量機的原理
    9.1.1  支持向量機的數學原理
    9.1.2  支持向量機的實現——以SVC為例
  9.2  數據離散
    9.2.1  等頻率離散化
    9.2.2  聚類離散化
    9.2.3  基於信息熵的離散化方法
  9.3  相關金融原理
  9.4  在保險反欺詐案例中的應用
    9.4.1  背景介紹
    9.4.2  讀取數據
    9.4.3  數據清洗與樣本構建
  習題
第10章  決策樹及隨機森林
  10.1  決策樹及相關概念
    10.1.1  決策樹
    10.1.2  決策樹構建的相關細節
    10.1.3  決策樹演算法流程
    10.1.4  字典數據類型的重要方法
    10.1.5  其他相關重要函數
  10.2  隨機森林及相關概念
    10.2.1  隨機森林
    10.2.2  隨機森林演算法原理和具體流程
  10.3  在銀行客戶營銷中的應用
    10.3.1  樣本數據
    10.3.2  建模流程
  10.4  應用隨機森林分析銀行客戶營銷數據
    10.4.1  隨機森林決策邊界圖
    10.4.2  隨機森林建模
    10.4.3  特徵重要性排序
    10.4.4  模型的預測
    10.4.5  模型評估
  習題
第11章  神經網路
  11.1  模型原理
    11.1.1  圖解神經網路模型原理
    11.1.2  模型應用的數學原理
    11.1.3  激活函數
    11.1.4  數組整形函數
  11.2  在股票預測中的應用
    11.2.1  MLP解決以漲跌為標籤的分類問題
    11.2.2  CNN解決以漲跌為標籤的分類問題
    11.2.3  LSTM解決以漲跌為標籤的分類問題
    11.2.4  MLP解決以收盤價為預測值的回歸問題
    11.2.5  CNN解決以收盤價為預測值的回歸問題
    11.2.6  LSTM解決以收盤價為預測值的回歸問題

  習題
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