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

保險問道之機器學習模型應用

  • 作者：編者:中國保險資產管理業協會|責編:郁東敏
  • 出版社：中國財經
  • ISBN：9787522335131
  • 出版日期：2024/11/01
  • 裝幀：平裝
  • 頁數：355
人民幣：RMB 82 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    《保險問道之機器學習模型應用》涵蓋六個專題。專題一聚焦機器學習在企業風險預警應用，研究信用風險預警模型構建與評估；專題二基於圖挖掘技術開展區域城投風險預警研究，介紹數據處理、模型原理、構建訓練及結果解析；專題三探討機器學習在FOF投研數字化領域應用，涉及研究框架、模型設計與實證；專題四圍繞神經網路在保險資金量化投資應用，闡述拓展投資邊界、演算法內涵及應用問題；專題五提出基於混頻數據及共享信息挖掘的深度學習模型在量化中的應用，介紹模型改進與實證結果；專題六分析大規模預訓練模型在量化投資中的應用場景，並給出實證結果。各專題均附參考文獻，為保險行業機器學習模型應用提供理論與實踐參考。
作者介紹
編者:中國保險資產管理業協會|責編:郁東敏
    中國保險資產管理業協會(以下簡稱協會，英文名稱為Insurance Asset ManagementAssociation of China，縮寫為IAMAC)成立於2014年9月，是經中華人民共和國國務院同意，中國保險監督管理委員會和中華人民共和國民政部批准成立的全國性保險資產管理行業自律組織。協會立足於市場需要和行業發展，履行維權、服務、創新、自律四大職能，依托市場平台、凝聚行業力量、整合行業資源、形成行業合力，以建設市場化、專業化、現代化、國際化的金融自律組織為目標，致力於成為提升行業能力、引導行業創新、推動行業發展的重要力量。
目錄
專題一 機器學習在企業風險預警中的應用研究
  第一章 緒論
    第一節 研究背景
    第二節 研究框架
    第三節 研究意義與創新點
  第二章 信用風險預警模型與機器學習演算法
    第一節 機器學習演算法概述
    第二節 信用風險預警模型的因子體系
    第三節 機器學習演算法構建信用風險預警模型
    第四節 信用風險預警模型的評估
    第五節 本章小結
  第三章 使用機器學習構建信用風險預警模型
    第一節 模型訓練
    第二節 模型評估與演算法比較
    第三節 本章小結
  第四章 總結與建議
    第一節 研究結論
    第二節 研究建議
  本專題參考文獻
  附錄
專題二 基於圖挖掘技術的區域城投風險預警研究
  第一章 文獻綜述
    第一節 城投債務問題綜述
    第二節 金融風險預警建模綜述
  第二章 數據的收集與處理
    第一節 研究數據的來源與獲取過程
    第二節 節點之間連接權重的構建
    第三節 節點信用資質情況的構建
    第四節 連接權重和信用資質的標準化
  第三章 模型原理
    第一節 神經網路技術的演進
    第二節 常見的圖分析技術介紹
    第三節 圖神經網路的基本原理與工作機制
    第四節 圖神經網路的常見類型以及模型選擇
    第五節 基於自編碼器的異常檢測技術
  第四章 模型的構建及其訓練過程
    第一節 模型的訓練設置
    第二節 卷積層的選取
    第三節 模型的訓練效果
  第五章 模型結果解析
    第一節 模型的整體誤差情況
    第二節 一類錯誤分析
    第三節 二類錯誤分析
    第四節 模型整體表現分析
  第六章 結論
  第七章 展望
  本專題參考文獻
  附錄
專題三 機器學習在FOF投研數字化領域的應用研究
  第一章 課題背景

    第一節 FOF發展歷程
    第二節 本課題研究內容和研究意義
  第二章 相關研究
    第一節 基金績效評估相關研究
    第二節 基金持倉、行業測算相關研究
    第三節 行業景氣度、行業配置相關研究
    第四節 FOF組合管理相關研究
    第五節 局限性與研究空間
  第三章 研究框架
    第一節 總體框架
    第二節 數據體系
    第三節 行業研究
    第四節 組合優化
  第四章 機器學習模型設計與實證研究
    第一節 基金畫像
    第二節 持倉補齊
    第三節 行業穿透
    第四節 行業配置模型
    第五節 組合優化
  第五章 結論與展望
  本專題參考文獻
專題四 神經網路在保險資金量化投資中的應用研究
  第一章 如何拓展保險資金在股票投資上的邊界
  第二章 機器學習演算法的外延與內涵
  第三章 從神經網路演算法切入機器學習
  第四章 神經網路之Transformer在量化選股中的應用
  第五章 神經網路應用於保險資金量化投資的可能問題和未來展望
  本專題參考文獻
專題五 基於混頻數據及共享信息挖掘的深度學習模型在量化中的應用
  第一章 引言
    第一節 研究背景
    第二節 文獻綜述
    第三節 研究意義
    第四節 研究目的
  第二章 基礎介紹
    第一節 A股市場、混頻數據與共享信息
    第二節 股票市場的價格預測
    第三節 深度學習模型在量化市場的應用
    第四節 共享信息挖掘模型綜述
  第三章 深度學習模型改進
    第一節 通過高低頻股票數據混頻結構調和不同長度信息
    第二節 通過Attention-RNN結構對股票時序信息提取
    第三節 通過HIST架構獲取股票概念信息交叉作用機制
    第四節 混頻Attention-RNN-HIST模型結構
    第五節 設計損失函數和學習速率保證模型的擬合效果
  第四章 實證結果
    第一節 訓練數據
    第二節 訓練設計
    第三節 結果分析
  第五章 總結與展望

  本專題參考文獻
專題六 大規模預訓練模型在量化投資中的應用
  第一章 引言
    第一節 研究背景
    第二節 研究意義
    第三節 研究目的
  第二章 自然語言處理及大語言模型介紹
    第一節 自然語言處理研究綜述
    第二節 大規模預訓練模型綜述
  第三章 大模型在量化投資中的應用場景分析
    第一節 通過API調用進行文本分析與提取
    第二節 通過微調實現特定任務
    第三節 結合LangChain構建本地化知識庫模型
    第四節 借鑒Transformer結構訓練模型
    第五節 代碼AI生成技術在量化投資領域的應用
  第四章 實證結果
    第一節 因子生成與文本處理
    第二節 微調NLP任務
    第三節 金融時事跟蹤
    第四節 Transformer量化模型應用
    第五節 量化代碼生成
  第五章 結論與展望
  本專題參考文獻

  • 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