<font id="0yhm7"></font>

注冊 | 登錄讀書好，好讀書，讀好書！

當前位置：首頁出版圖書經(jīng)濟管理經(jīng)濟財政、金融金融/銀行/投資機器學習與資產(chǎn)定價

機器學習與資產(chǎn)定價

定　價：￥79.00

作　者：	吳輝航，魏行空，張曉燕著
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302601555	出版時間：	2022-04-01	包裝：	精裝
開本：	32開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書系統(tǒng)性地介紹了資產(chǎn)定價和機器學習算法的基礎(chǔ)理論與實踐知識，并以機器學習算法應(yīng)用于中國股票市場資產(chǎn)收益率預(yù)測項目為案例，具體展示了機器學習算法落地應(yīng)用于中國金融業(yè)界的流程和效果。本書主要內(nèi)容包括資產(chǎn)定價基礎(chǔ)方法、機器學習算法評估知識、線性機器學習模型、回歸樹類機器學習模型、神經(jīng)網(wǎng)絡(luò)模型、中國股票市場制度背景、機器學習項目的數(shù)據(jù)清洗過程和機器學習項目的實踐案例。本書在寫作過程中盡可能地減少專業(yè)詞匯，使內(nèi)容通俗易懂。本書適合高校中高年級本科生、研究生和對從事量化金融感興趣的人閱讀。

作者簡介

　　吳輝航，博士，清華大學五道口金融學院博士后。2018年獲上海財經(jīng)大學經(jīng)濟學博士學位，在校期間曾獲“上海財經(jīng)大學學術(shù)之星”“博士研究生國家獎學金”。主要研究領(lǐng)域為財稅政策、資產(chǎn)定價、機器學習和金融科技。在Small Business Economics、International Review of Finance、Emerging Markets Finance and Trade、《經(jīng)濟研究》、《數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究》等重要期刊發(fā)表學術(shù)論文十余篇。魏行空，中信建投證券總部機構(gòu)業(yè)務(wù)部算法交易組高級經(jīng)理。先后畢業(yè)于中央財經(jīng)大學和瑞士蘇黎世大學，獲得經(jīng)濟學碩士學位。主要從事算法交易和高頻量化分析、機器學習算法在高頻交易中的應(yīng)用等研究。張曉燕，清華大學五道口金融學院副院長、鑫苑金融學講席教授，世界經(jīng)濟論壇未來理事會委員，上海證券交易所高級金融專家，亞洲金融與經(jīng)濟研究局（ABFER）高級研究員。曾任證監(jiān)會第十七屆發(fā)行審核委員會委員。北京大學經(jīng)濟學學士、哥倫比亞商學院金融學博士（優(yōu)秀榮譽畢業(yè)生）。主要研究領(lǐng)域為國際金融、實證資產(chǎn)定價、金融科技和中國資本市場。

圖書目錄

第一章引言：為什么資產(chǎn)定價需要機器學習

第一節(jié)資產(chǎn)定價的核心問題：為什么不同的資產(chǎn)會有
不同的收益

第二節(jié)當資產(chǎn)定價遇到機器學習

第三節(jié)相關(guān)學術(shù)文獻介紹

第四節(jié)相關(guān)業(yè)界應(yīng)用場景

參考文獻

第二章資產(chǎn)定價的核心問題：股票預(yù)期收益率

第一節(jié)投資組合分析

第二節(jié)因子投資

第三節(jié)中國因子模型

第四節(jié)異象性因子的檢驗

參考文獻

第三章機器學習模型評估

第一節(jié)過擬合與欠擬合

第二節(jié)偏差和方差的權(quán)衡

第三節(jié)回歸問題機器學習模型的評價指標

第四節(jié)機器學習的超參數(shù)調(diào)校

第四章機器學習模型Ⅰ：線性模型

第一節(jié)多元線性模型

第二節(jié)帶懲罰項的線性模型

第三節(jié)降維視角的線性模型

第五章機器學習模型Ⅱ：回歸樹模型

第一節(jié)回歸樹

第二節(jié)隨機森林

第三節(jié)梯度提升樹

第六章機器學習模型Ⅲ：神經(jīng)網(wǎng)絡(luò)模型

第一節(jié)神經(jīng)網(wǎng)絡(luò)模型介紹

第二節(jié)激活函數(shù)

第三節(jié)優(yōu)化算法

第四節(jié)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

第五節(jié)全連接神經(jīng)網(wǎng)絡(luò)模型的代碼實現(xiàn)

參考文獻

第七章理解機器學習在中國股票市場應(yīng)用的
制度背景

第一節(jié)中國股票市場概述

第二節(jié)中國股票市場重要制度

第三節(jié)中國股票市場特殊制度

第八章為機器學習模型準備數(shù)據(jù)

第一節(jié)數(shù)據(jù)來源與樣本選擇

第二節(jié)股票收益率數(shù)據(jù)分析

第三節(jié)財務(wù)數(shù)據(jù)處理

第四節(jié)數(shù)據(jù)預(yù)處理步驟

第五節(jié)實證中使用的股票特征變量構(gòu)造介紹

參考文獻

第九章機器學習在中國金融市場中的實證應(yīng)用

第一節(jié)機器學習模型有效性驗證：蒙特卡洛模擬
方法

第二節(jié)機器學習算法在中國A股市場的實證結(jié)果

第三節(jié)IPCA模型在中國A股市場的實證結(jié)果

參考文獻

第十章結(jié)語與未來展望

第一節(jié)機器學習模型與另類數(shù)據(jù)

第二節(jié)機器學習模型與其他資產(chǎn)定價問題

參考文獻