新書推薦：
![地理计算与R语言 [英] 罗宾·洛夫莱斯 [德]雅纳·蒙乔 [波兰] 雅库布·诺沃萨德](http://103.6.6.66/upload/mall/productImages/24/43/9787111759478.jpg)
《
地理计算与R语言 [英] 罗宾·洛夫莱斯 [德]雅纳·蒙乔 [波兰] 雅库布·诺沃萨德
》
售價：HK$
121.0
《
沈括的知识世界：一种闻见主义的实践（中华学术译丛）
》
售價：HK$
87.4
《
大思维：哥伦比亚商学院六步创新思维模型
》
售價：HK$
72.8
《
宏观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：HK$
155.7
《
UE5虚幻引擎必修课（视频教学版）
》
售價：HK$
110.9
《
真需求
》
售價：HK$
110.9
《
阿勒泰的春天
》
售價：HK$
50.4
《
如见你
》
售價：HK$
51.3
|
| 編輯推薦： |
|
人工智能时代，满足新课程开设需要，全面系统，注重实操，配套资源丰富
|
| 內容簡介： |
本书是金融与财务机器学习课程的教材。金融和财务领域集中了大量的交易数据和财务数据，为人工智能技术的运用奠定了良好的数据基础。同时，机器学习技术突飞猛进，为行业提供了跨越式发展的机会。在相关专业和方向开设“金融与财务机器学习”课程正当其时。
本书介绍了金融实证分析的主要方法和前沿问题、金融与财务机器学习的主要方法、评估方法和案例等。本书共12章，包括:金融与财务领域的机器学习，Python软件使用简介，金融与财务大数据的处理与分析，因子与因子模型，因子模型的估计、检验与解释，金融资产收益预测，包含惩罚项的线性回归模型，数据降维模型，树形模型与分类模型，神经网络模型，模型评估、训练与可解释性，文本分析。
本书可作为普通高等学校经济学和管理学类专业的高年级本科和研究生教材，也适合对金融和财务领域机器学习感兴趣的读者参考。
|
| 關於作者： |
姜富伟，中央财经大学教授、博导，金融工程系主任，青年长江学者，国家社科基金重大项目首席专家，黄大年教学团队核心成员，北京市海淀区政协委员。主要关注数字经济与金融科技相关交叉研究，在?Journal?of?Financial?Economics、Review?of?Financial?Studies、Management?Science、?Journal?of?Econometrics、《经济研究》《管理世界》《金融研究》等发表论文50余篇。获评ESI经济管理类全球前1%最高被引用论文、RFS?最高被引用论文、JFE最高被引用论文，获国家自然科学基金考核评价“特优”，全国高校人文社科优秀成果一等奖，《金融研究》优秀论文奖、国际金融管理协会最佳论文奖、亚洲金融协会最佳论文奖、中国金融工程学年会优秀论文奖、金融图书金羊奖等奖励荣誉。
唐国豪，湖南大学金融与统计学院副教授，博导，金融工程系副主任。中央财经大学金融学博士、美国圣路易斯华盛顿大学访问学者，研究方向为实证资产定价、金融机器学习、行为金融。主要论文发表于Journal?of?Financial?and?Quantitative?Analysis、Journal?of?Banking?&?Finance、Journal?of?Economic?Dynamics?and?Control、《金融研究》《经济学（季刊）》《管理科学学报》等国内外高水平期刊。主持国家自然科学基金青年项目、湖南省自然科学基金青年项目。获得湖南省“湖湘青年英才”，省信息化教学比赛二等奖，湖南大学优秀教师新人奖、优秀教学奖、本科优秀毕业论文指导老师等荣誉称号。
马甜，金融学博士，中央民族大学经济学院副教授。主要研究领域为人工智能与实证资产定价，研究话题包括收益预测，风险预警以及量化投资策略构建等。在Journal?of?Financial?Markets、Journal?of?Empirical?Finance、《管理科学学报》《经济学（季刊）》《金融研究》等国内外期刊发表论文10余篇。主持国家自然科学基金项目。获中国金融工程学年会最佳论文奖等学术奖励。
|
| 目錄：
|
目 录
前 言
第一章 金融与财务领域的机器学习1
第一节 机器学习的基本介绍1
一、机器学习的历史2
二、机器学习的分类5
三、机器学习的思想6
四、机器学习的要素8
五、机器学习的步骤9
六、机器学习与传统编程10
第二节 机器学习在金融与财务领域的应用特性11
一、金融与财务对机器学习的需求性11
二、机器学习的优势13
三、机器学习可能面临的挑战14
第三节 机器学习在金融与财务领域的应用现状18
第二章 Python软件使用简介23
第一节 Python入门23
一、Python简介23
二、Python安装24
三、Python使用25
四、Python基础知识26
第二节 Python数据处理程序包37
一、多维数组Numpy37
二、面板处理Pandas42
三、科学计算SymPy49
四、统计分析Statsmodels53
五、金融计量Linearmodels55
第三节 Python机器学习程序包58
一、机器学习58
二、深度学习62
第三章 金融与财务大数据的处理与分析64
第一节 大数据时代64
一、理解大数据64
二、金融大数据65
三、本章概览65
第二节 金融与财务数据资源65
一、国泰安中国经济金融研究数据库65
二、万得资讯67
三、中国研究数据服务平台68
四、证券价格研究中心(CRSP)70
五、公开数据源72
六、文献数据源77
第二节 描述性统计88
一、中心趋势性88
二、分散性89
三、对称性和厚尾性89
四、持续性90
五、相关性90
第三节 数据预处理93
一、缺失值处理93
二、异常值处理94
三、标准化处理96
第四节 特征工程97
一、特征工程简介97
二、特征选择97
第四章 因子与因子模型103
第一节 因子与因子模型简介103
一、金融与财务因子与因子模型简介103
二、从单因子模型到多因子模型104
第二节 Alpha与市场异象106
一、Alpha收益106
二、资产价格异象107
第三节 多因子模型的新发展108
一、因子检验的一般流程108
二、Fama-French五因子模型109
三、Hou-Xue-Zhang的q-因子模型110
四、Stambaugh-Yuan错误定价因子模型111
五、Liu-Stambaugh-Yuan的CH-3模型113
第四节 因子分类114
一、常见的因子分类114
二、其他特色因子119
第五节 因子模型的研究挑战121
一、因子时变性121
二、因子有效性识别122
三、因子研究的近况与挑战123
第五章 因子模型的估计、检验与解释126
第一节 因子模型检验概述126
第二节 组合分析法128
一、单变量组合分析129
二、双变量组合分析132
三、三变量组合分析135
第三节 因子模拟组合法136
一、排序分组法137
二、方差最小化法137
第四节 时间序列回归法139
一、Alpha检验140
二、GRS检验140
第五节 Fama-MacBeth回归法141
一、Fama-MacBeth两阶段回归141
二、Fama-MacBeth三阶段回归143
第六节 解释因子模型146
一、风险补偿146
二、错误定价147
三、数据挖掘149
第六章 金融资产收益预测154
第一节 资产收益的可预测性154
一、资产收益可预测性的讨论154
二、资产收益可预测性的解释156
第二节 样本内预测158
一、方差比检验158
二、样本内预测159
三、预测模型面临的挑战162
四、新的金融预测方法162
第三节 样本外预测163
一、样本外预测的统计量163
二、投资价值评估165
三、其他预测方法166
第四节 预测指标的选择167
一、宏观经济指标168
二、估值与财务指标168
三、情绪指标169
四、技术面指标170
五、波动率指标170
第五节 Campbell-Shiller现金流折现率分解171
一、来源与推导171
二、进一步讨论173
第七章 包含惩罚项的线性回归模型177
第一节 最小二乘法线性回归模型177
一、线性回归177
二、OLS模型的基本原理178
三、OLS模型的应用179
第二节 岭回归182
一、岭回归的提出182
二、岭回归的基本原理182
三、岭回归的变量选择特征184
四、岭回归的调节参数选择184
第三节 LASSO模型188
一、LASSO模型的提出188
二、LASSO模型的基本原理188
三、LASSO模型的变量选择特征189
四、LASSO模型的扩展192
五、LASSO模型的应用193
|
| 內容試閱：
|
前 言
随着金融科技的飞速发展，如何将最新的大数据与人工智能技术应用到金融与财务领域成为大家关注的问题。金融与财务机器学习，既是金融与财务研究的前沿领域，也是先进计算机技术的热门应用。它不仅能帮助大家更好地理解公司金融、金融市场定价与资源配置等问题，还有助于进行更科学的投资管理和财务管理，服务于我国经济转型和未来高质量发展。
我国金融市场自改革开放以来取得了长足发展，规模正不断壮大，制度建设也逐渐完善。特别是在股票市场，投资者从20世纪90年代初的充满陌生与好奇，再到近年来的“全民谈股”，投资风格正在逐步趋稳，金融素养也在逐年提高。随着我国经济的快速发展和科学技术的突飞猛进，如何科学地把机器学习等人工智能技术与金融和财务管理相结合成为影响投资者是否愿意将资金投入到金融市场的关键，也是金融市场是否能有效为实体经济输血的关键。
近年来，着眼于中国市场的优秀研究成果如雨后春笋，一批批优秀的国内学者相继涌现。在金融与财务机器学习领域，研究和分析技术国内与国外的差距越来越小。我国不仅有庞大的人才储备，还有丰富的数据资源，不少学者对该领域表现出极大的热情。因此，完成一本专门适用于我国资本市场投资和企业财务管理的机器学习教材不仅是时代所需，也能顺应新的发展潮流。本书基于Python软件，列出了基于我国市场的独特研究案例，详细地向读者介绍了如何在金融与财务领域全方位地应用机器学习方法，开展前沿问题的探索。
本书的结构如下:第一章至第三章介绍了金融与财务领域机器学习的基本概念、Python软件的初步使用，以及金融大数据的范畴;第四章到第六章介绍了金融实证分析的主要方法和前沿问题;第七章到第十一章介绍了金融与财务机器学习的主要方法、评估方法和案例;第十二章着重介绍了针对文本信息提取的金融与财务机器学习方法。
本书在编写过程中，许筱颖、熊晨、陈维祥、胡少娴、娄冠宇、王鹏、张云淼、严露、曾兆祥、黄康、文丹煜、孟令超、朱琳、陈世程、刘媚等同学付出了辛勤劳动，在此表示感谢。同时，感谢先前使用本书讲义的中央财经大学和湖南大学的师生，感谢所有讨论问题或提供勘误信息的读者。
姜富伟感谢国家社科基金重大项目(22&ZD063)“三重压力下双支柱调控的政策效应评估与优化研究”，国家自然科学基金面上项目(72072193)“财务基本面信息与金融风险预测:机器学习与经济理论”，国家自然科学基金面上项目(71872195)“投资Q理论、投资者情绪与资本市场资产定价:大数据的视角”，中国高等教育学会高等教育科学研究规划课题项目(23CJ0409)“数字经济背景下‘传统金融+现代技术+实践实验’三位一体的实验案例教学改革”，北京市高等教育学会教改课题面上项目(MS2022075)“高质量党建引领课程思政创新研究——基于金融专业的理论分析与实践探索”，中央财经大学教改课题“以高质量党建引领‘思政+金融+技术’三位一体的课程思政建设模式创新研究”，中央财经大学金融计量学“十四五”一流本科课程建设项目，首批新文科研究与改革实践项目(2021070018):“新文科·中国金融类专业课程教材体系与资源平台建设——以党的创新理论为引领”等课题项目的资助支持。
唐国豪感谢国家自然科学基金青年项目(72003062)“化无形为有形:基于机器学习方法的无形资产测度与定价研究”，湖南大学实践教学研究项目“基于金融人工智能的交互式课程教学模式研究”的资助支持。
马甜感谢国家自然科学基金青年项目(72303271)“基于完善数据的可解释深度学习模型及多市场定价研究”，中央高校基础研究基金(2023QNTS20)“气候变化与民族地区企业表现:基于机器学习的方法”的资助支持。
本书涉及的部分上机实验，欢迎登录基于机器学习的资产定价虚拟仿真实验系统(http://jtxnz.hnu.edu.cn/)尝试应用。
编著者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
