機器學(xué)習(xí)典型技術(shù)在金融風(fēng)險研究領(lǐng)域中的應(yīng)用

目錄
第1 章　機器學(xué)習(xí)技術(shù)概述
　1. 1　機器學(xué)習(xí)的定義　3
　1. 2　機器學(xué)習(xí)的發(fā)展歷程　5
　1. 3　機器學(xué)習(xí)的主要概念　7
　　1. 3. 1　協(xié)同過濾　7
　　1. 3. 2　監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)　9
　　1. 3. 3　聚類 　10
　　1. 3. 4　卷積 　11
　　1. 3. 5　神經(jīng)網(wǎng)絡(luò) 　15
　　1. 3. 6　過擬合和欠擬合　16
　1. 4　機器學(xué)習(xí)的基本要素　17
　　1. 4. 1　模型　17
　　1. 4. 2　學(xué)習(xí)準(zhǔn)則　18
　　1. 4. 3　優(yōu)化算法　21
1. 5　本章小結(jié)　22
第2 章　偏好建模與金融風(fēng)險偏好
　2. 1　風(fēng)險偏好的概念內(nèi)涵　25
　2. 2　風(fēng)險偏好的研究現(xiàn)狀　26
　　2. 2. 1　基于指標(biāo)選取的偏好建?！?6
　　2. 2. 2　基于問卷量表的偏好建?！?0
　　2. 2. 3　基于變量設(shè)計的偏好建?！?4
　2. 3　通用偏好建模方法概述　38
　2. 4　基于本體與偏好構(gòu)造函數(shù)的混合偏好模型　41
　　2. 4. 1　本體技術(shù)　41
　　2. 4. 2　金融本體構(gòu)建　43
　　2. 4. 3　偏好構(gòu)造函數(shù)　44
　　2. 4. 4　模型的形式化　49
　2. 5　本章小結(jié)　58
第3 章　聚類及其在金融風(fēng)險研究中的應(yīng)用
　3. 1　聚類性能度量指標(biāo)　63
　　3. 1. 1　外部指標(biāo)　64
　　3. 1. 2　內(nèi)部指標(biāo)　65
　3. 2　典型的聚類算法　68
　　3. 2. 1　劃分式聚類　68
　　3. 2. 2　基于密度的聚類　75
　　3. 2. 3　層次化聚類　81
　3. 3　聚類在金融風(fēng)險中的研究現(xiàn)狀　87
　　3. 3. 1　傳統(tǒng)聚類算法的應(yīng)用　87
　　3. 3. 2　新型聚類算法的應(yīng)用　90
　3. 4　基于隱式偏好子模型的聚類方法　94
　　3. 4. 1　聚類的依據(jù)及度量　94
　3. 4. 2　剪枝策略　96
　3. 5　本章小結(jié)　100
第4 章　金融風(fēng)險研究中的信任關(guān)系
　4. 1　信任的內(nèi)涵　103
　4. 2　金融風(fēng)險中的信任研究　105
　　4. 2. 1　信任的特征及衡量　105
　　4. 2. 2　信任在風(fēng)險承受或風(fēng)險感知中的作用　110
　　4. 2. 3　信任受金融危機或風(fēng)險的影響　115
　4. 3　基于典型影響因素的信任建?！?18
　　4. 3. 1　信任關(guān)系的影響因素　118
　　4. 3. 2　信任關(guān)系建?！?21
　4. 4　本章小結(jié)　128
第5 章　支持向量機與金融風(fēng)險研究
　5. 1　支持向量機的原理和概念　131
　　5. 1. 1　支持向量建模　131
　　5. 1. 2　SVM 化　134
　　5. 1. 3　軟間隔SVM　136
　　5. 1. 4　核函數(shù)　137
　　5. 1. 5　支持向量機的特點　141
　5. 2　SVM 在金融風(fēng)險中的研究現(xiàn)狀　142
　　5. 2. 1　風(fēng)險預(yù)警　142
　　5. 2. 2　風(fēng)險評估　146
　　5. 2. 3　金融時間序列預(yù)測　149
　　5. 2. 4　財務(wù)困境預(yù)測　151
　5. 3　基于準(zhǔn)線性核支持向量機的一類分類　153
　　5. 3. 1　方法原理　153
　　5. 3. 2　實驗方法　155
5. 3. 3　數(shù)值實驗工具及數(shù)據(jù)集　159
　　5. 3. 4　實驗結(jié)果　160
　　5. 3. 5　實驗總結(jié)　166
　5. 4　本章小結(jié)　166
第6 章　集成學(xué)習(xí)及其在金融風(fēng)險研究中的應(yīng)用
　6. 1　集成學(xué)習(xí)的原理　169
　6. 2　典型的集成算法　170
　　6. 2. 1　AdaBoost　170
　　6. 2. 2　隨機森林　175
　　6. 2. 3　梯度提升樹　179
　6. 3　集成學(xué)習(xí)在金融風(fēng)險中的研究現(xiàn)狀　183
　　6. 3. 1　時序分析及股價預(yù)測　183
　　6. 3. 2　風(fēng)險控制/ 風(fēng)險投資　186
　　6. 3. 3　量化投資及選股　188
　　6. 3. 4　個人信貸評估　192
　6. 4　實例應(yīng)用　196
　　6. 4. 1　實例簡介　196
　　6. 4. 2　實驗數(shù)據(jù)　197
　　6. 4. 3　實驗方法　201
　　6. 4. 4　實驗過程　204
　　6. 4. 5　實驗結(jié)果　205
　6. 5　本章小結(jié)　211
第7 章　成分分析及其在金融風(fēng)險研究中的應(yīng)用
　7. 1　典型的成分分析算法　215
　　7. 1. 1　主成分分析　215
　　7. 1. 2　因子分析　222
　　7. 1. 3　獨立成分分析　224
7. 2　成分分析算法在金融風(fēng)險中的研究現(xiàn)狀　226
　　7. 2. 1　市場波動分析　226
　　7. 2. 2　投資組合分析　228
　　7. 2. 3　財務(wù)風(fēng)險分析　229
　　7. 2. 4　金融時序分析　231
　　7. 2. 5　金融發(fā)展水平分析　233
　7. 3　實例應(yīng)用　235
　　7. 3. 1　實例簡介　235
　　7. 3. 2　實驗數(shù)據(jù)　236
　　7. 3. 3　實驗方法　238
　　7. 3. 4　實驗結(jié)果　241
　7. 4　本章小結(jié)　242
第8 章　總結(jié)與展望
　8. 1　研究總結(jié)　245
　8. 2　研究展望　247
參考文獻
后記