機(jī)器學(xué)習(xí)在量化投資中的應(yīng)用研究

定　價(jià)：￥59.00

作　者：	湯凌冰著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：	量化投資與對(duì)沖基金叢書
標(biāo)　簽：	管理金融/投資投資融資

購(gòu)買這本書可以去

ISBN：	9787121244940	出版時(shí)間：	2014-11-01	包裝：	平裝
開本：	16開	頁數(shù)：	176	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書是國(guó)內(nèi)少有的研究機(jī)器學(xué)習(xí)在量化投資中應(yīng)用的專著。主要運(yùn)用多層感知器神經(jīng)網(wǎng)絡(luò)、廣義自回歸神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)對(duì)證券時(shí)間序列進(jìn)行回歸分析。特別是在支持向量機(jī)框架下構(gòu)造了小波、流形小波與樣條小波三種核函數(shù)，并在此基礎(chǔ)上建立了股指收益與波動(dòng)預(yù)測(cè)兩類新的量化投資模型。與經(jīng)典高斯核相比，具備多分辨分析特性的新模型能較好地捕捉曲線性狀，各預(yù)測(cè)指標(biāo)在模擬數(shù)據(jù)與真實(shí)數(shù)據(jù)上均占優(yōu)，表明其具有良好的適用性與有效性。

作者簡(jiǎn)介

　　湯凌冰，上海交通大學(xué)計(jì)算機(jī)系計(jì)算金融方向博士，南京大學(xué)計(jì)算機(jī)軟件新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室在站博后，德國(guó)卡爾斯魯厄理工學(xué)院訪問學(xué)者，湖南省青年骨干教師培養(yǎng)對(duì)象，湖南商學(xué)院經(jīng)濟(jì)副研究員，數(shù)量經(jīng)濟(jì)方向碩導(dǎo)。社會(huì)兼職為湖南省與長(zhǎng)沙市政府采購(gòu)招投標(biāo)評(píng)審專家。

圖書目錄

第1章緒論 1
1．1 背景與意義 1
1．2 國(guó)內(nèi)外研究現(xiàn)狀 3
1．2．1 金融時(shí)間序列方法 3
1．2．2 機(jī)器學(xué)習(xí)方法 6
1．2．3 小波與流形方法 10
1．3 本書主要內(nèi)容與邏輯結(jié)構(gòu) 15
1．3．1 內(nèi)容安排 15
1．3．2 邏輯結(jié)構(gòu) 17
第2章統(tǒng)計(jì)學(xué)習(xí)與機(jī)器學(xué)習(xí) 19
2．1 計(jì)算學(xué)習(xí)理論 19
2．1．1 學(xué)習(xí)問題表述 19
2．1．2 統(tǒng)計(jì)學(xué)習(xí)理論 21
2．1．3 可能近似正確學(xué)習(xí)模型 22
2．2 神經(jīng)網(wǎng)絡(luò)模型 23
2．2．1 多層感知器神經(jīng)網(wǎng)絡(luò)模型 23
2．2．2 廣義回歸神經(jīng)網(wǎng)絡(luò)模型 26
2．3 支持向量機(jī)理論 28
2．3．1 線性支持向量分類機(jī) 29
2．3．2 非線性支持向量分類機(jī) 31
2．3．3 支持向量回歸機(jī) 33
2．4 本章小結(jié) 34
第3章基于模糊神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)模型分析 35
3．1 引言 35
3．2 模糊神經(jīng)網(wǎng)絡(luò)模型研究 36
3．2．1 模糊邏輯推理系統(tǒng)結(jié)構(gòu) 36
3．2．2 模糊神經(jīng)網(wǎng)絡(luò)分類器 37
3．2．3 模糊神經(jīng)網(wǎng)絡(luò)回歸機(jī) 38
3．3 基于模糊神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè) 40
3．3．1 模糊神經(jīng)網(wǎng)絡(luò)設(shè)計(jì) 40
3．3．2 實(shí)驗(yàn)結(jié)果與分析 42
3．4 本章小結(jié) 43
第4章基于高斯核支持向量機(jī)的股票預(yù)測(cè)模型分析 44
4．1 引言 44
4．2 核函數(shù)研究 45
4．2．1 核的構(gòu)造條件 45
4．2．2 核的構(gòu)造原則 46
4．2．3 核的主要類型 49
4．3 基于高斯核支持向量機(jī)的股票預(yù)測(cè) 52
4．3．1 數(shù)據(jù)處理與性能指標(biāo) 52
4．3．2 實(shí)驗(yàn)結(jié)果與分析 53
4．4 本章小結(jié) 57
第5章基于小波支持向量機(jī)的股票收益模型分析 58
5．1 引言 58
5．2 股票收益的理論研究 59
5．2．1 有效市場(chǎng)假說與布朗運(yùn)動(dòng)模型 59
5．2．2 分形市場(chǎng)假說與分?jǐn)?shù)布朗運(yùn)動(dòng)模型 61
5．2．3 Hurst指數(shù)與重標(biāo)極差分析 62
5．2．4 混沌動(dòng)力學(xué)模型與Lyapunov指數(shù) 64
5．3 基于小波支持向量機(jī)的收益模型 65
5．3．1 小波變換與多分辨分析 66
5．3．2 小波核構(gòu)造與證明 68
5．3．3 實(shí)驗(yàn)結(jié)果與分析 70
5．4 本章小結(jié) 77
第6章基于小波支持向量機(jī)的波動(dòng)模型分析 79
6．1 引言 79
6．2 波動(dòng)率模型研究 79
6．2．1 ARCH模型 80
6．2．2 GARCH模型 81
6．2．3 隨機(jī)波動(dòng)SV模型 82
6．3 基于小波支持向量機(jī)的GARCH模型 84
6．3．1 仿真實(shí)驗(yàn) 84
6．3．2 真實(shí)數(shù)據(jù)集實(shí)驗(yàn) 86
6．4 本章小結(jié) 95
第7章基于流形小波核的收益序列分析 96
7．1 引言 96
7．2 微分幾何基本理論 96
7．3 核函數(shù)的幾何解釋 100
7．4 構(gòu)造融合先驗(yàn)知識(shí)的流形小波核 101
7．5 實(shí)驗(yàn)結(jié)果與分析 102
7．6 本章小結(jié) 107
第8章基于樣條小波核的波動(dòng)序列分析 108
8．1 引言 108
8．2 樣條小波模型研究 108
8．3 樣條空間與函數(shù) 110
8．3．1 樣條函數(shù)空間 110
8．3．2 B樣條函數(shù)定義與性質(zhì) 112
8．4 樣條小波核構(gòu)造與證明 113
8．5 實(shí)驗(yàn)結(jié)果與分析 115
8．6 本章小結(jié) 119
第9章結(jié)論與展望 120
9．1 本書主要貢獻(xiàn) 120
9．2 后續(xù)研究展望 122
附錄A 微積分 124
A．1 基本定義 124
A．2 梯度和Hesse矩陣 126
A．3 方向?qū)?shù) 126
A．4 Taylor展開式 128
A．5 分離定理 129
附錄B Hilbert空間 131
B．1 向量空間 131
B．2 內(nèi)積空間 134
B．3 Hilbert空間 136
B．4 算子、特征值和特征向量 138
附錄C 專題研究期間學(xué)術(shù)論文與科研項(xiàng)目 140
后記 143
參考文獻(xiàn) 144