量化金融原理與實踐 (微課視頻版) 李政 李亞青 郭文偉 9787302685104 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202504*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：量化金融原理與實踐 (微課視頻版)
ISBN：9787302685104
出版社：清華大學
著編譯者：李政 李亞青 郭文偉
頁數：282
所在地：中國大陸 *此為代購商品
書號：1733190
可大量預訂，請先連絡。

內容簡介 本書按照利用機器學習算法建立經濟金融模型的流程安排章節內容，從拓寬讀者技能的角度出發，主要介紹經濟金融領域常用的人工智能模型。 全書共11章，分為兩部分。第1～5章是建模的前期準備，包括緒論、Python編程基礎及數據處理、數據可視化、數據表格的處理與數據清洗、特徵工程等。第6～11章介紹常用的模型，包括聚類類、主成分分析、線性模型、支持向量機、決策樹與隨機森林、神經網絡等。本書通過圖文結合的方式詳細解釋了複雜數學模型的核心思想，對每條代碼的功能進行解釋，以降低讀者理解複雜命令的難度。 本書可作為高等院校計算機類、經濟學、金融學等相關專業的教材，也可作為興趣讀者的自學讀物，還可作為相關行業技術人員的參考用書。

目錄 第1章 緒論
1 1 軟體的安裝與功能
1 1 1 軟體的下載與安裝
1 1 2 軟體的界面與功能
1 2 機器學習算法介紹
習題
第2章 Python編程基礎及數據處理
2 1 Python基礎語法
2 1 1 數據類型
2 1 2 數據類型操作
2 1 3 Python函數
2 2 數據處理常用的庫
2 2 1 數據分析
2 2 2 相關庫
習題
第3章 數據可視化
3 1 繪圖基礎語法
3 1 1 單一畫布作圖
3 1 2 多畫布作圖
3 1 3 圖像的保存和導出
3 2 主要圖形的繪製
3 2 1 折線圖
3 2 2 散點圖
3 2 3 條形圖
3 2 4 箱線圖
3 2 5 餅圖
3 2 6 K線圖
3 2 7 雷達圖
3 2 8 熱力圖
3 2 9 屬性兩兩分析圖
3 2 10 氣泡圖
3 2 11 小提琴圖和分簇散點圖
習題
第4章 數據表格的處理與數據清洗
4 1 xlwings及其相關算法
4 1 1 第三方庫xlwings
4 1 2 xlwings與Pandas的實現
4 2 統計分析與可視化
4 2 1 統計分析
4 2 2 可視化
4 3 數據清洗
4 3 1 空缺值、重複值、異常值
4 3 2 數據歸一化
4 4 特徵工程
4 4 1 屬性的選擇
4 4 2 屬性值的優化
習題
第5章 特徵工程
5 1 過濾法
5 1 1 單變數
5 1 2 多變數
5 1 3 過濾法總結
5 2 包裹法
5 2 1 完全搜索
5 2 2 啟髮式搜索
5 2 3 隨機搜索
5 3 嵌入法
5 3 1 原理
5 3 2 應用
5 3 3 重要函數介紹
習題
第6章 聚類
6 1 聚類的概念及應用
6 1 1 聚類的概念
6 1 2 聚類的應用領域
6 2 聚類算法的相關原理
6 2 1 K-means聚類
6 2 2 層次聚類
6 3 K值優化與聚類評價指標
6 3 1 K值優化
6 3 2 聚類評價指標
6 4 在消費者行為分析中的應用
習題
第7章 主成分分析
7 1 主成分分析及步驟簡介
7 1 1 主成分分析原理
7 1 2 主成分分析流程
7 1 3 相關檢驗
7 2 重要函數介紹
7 3 在車貸違約預測中的應用
7 3 1 數據準備
7 3 2 統計分析
7 3 3 數據清洗
7 3 4 Bartlett球狀檢驗
7 3 5 KMO檢驗
7 3 6 數據標準化
7 3 7 PCA解釋方差和累計貢獻可視化
7 3 8 主成分載荷矩陣和可視化
習題
第8章 線性模型
8 1 模型原理
8 1 1 OLS線性回歸
8 1 2 邏輯回歸
8 1 3 嶺回歸
8 1 4 混淆矩陣
8 2 相關金融原理
8 3 樣本構建
8 4 模型應用
8 4 1 構建OLS線性模型
8 4 2 構建嶺回歸模型
8 4 3 構建邏輯回歸模型
8 5 模型的改進
習題
第9章 支持向量機
9 1 支持向量機的原理
9 1 1 支持向量機的數學原理
9 1 2 支持向量機的實現——以SVC為例
9 2 數據離散
9 2 1 等頻率離散化
9 2 2 聚類離散化
9 2 3 基於信息熵的離散化方法
9 3 相關金融原理
9 4 在保險反欺詐案例中的應用
9 4 1 背景介紹
9 4 2 讀取數據
9 4 3 數據清洗與樣本構建
習題
第10章 決策樹及隨機森林
10 1 決策樹及相關概念
10 1 1 決策樹
10 1 2 決策樹構建的相關細節
10 1 3 決策樹算法流程
10 1 4 字典數據類型的重要方法
10 1 5 其他相關重要函數
10 2 隨機森林及相關概念
10 2 1 隨機森林
10 2 2 隨機森林算法原理和具體流程
10 3 在銀行客戶營銷中的應用
10 3 1 樣本數據
10 3 2 建模流程
10 4 應用隨機森林分析銀行客戶營銷數據
10 4 1 隨機森林決策邊界圖
10 4 2 隨機森林建模
10 4 3 特徵重要性排序
10 4 4 模型的預測
10 4 5 模型評估
習題
第11章 神經網絡
11 1 模型原理
11 1 1 圖解神經網絡模型原理
11 1 2 模型應用的數學原理
11 1 3 激活函數
11 1 4 數組整形函數
11 2 在股票預測中的應用
11 2 1 MLP解決以漲跌為標籤的分類問題
11 2 2 CNN解決以漲跌為標籤的分類問題
11 2 3 LSTM解決以漲跌為標籤的分類問題
11 2 4 MLP解決以收盤價為預測值的回歸問題
11 2 5 CNN解決以收盤價為預測值的回歸問題
11 2 6 LSTM解決以收盤價為預測值的回歸問題
習題
參考文獻
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。