機器學習與因子投資-從基礎到實踐 紀堯姆.科克雷 9787115621771 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：人民郵電
物品所在地：中國大陸
原出版社：人民郵電
NT$820
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *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：202309*若逾兩年請先於私訊洽詢存貨情況，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：機器學習與因子投資-從基礎到實踐 ISBN：9787115621771 出版社：人民郵電 著編譯者：紀堯姆.科克雷 頁數：305 所在地：中國大陸 *此為代購商品 書號：1566124 可大量預訂，請先連絡。 內容簡介 本書首先介紹了將大數據集應用於機器學習的基礎知識和因子投資的基本理論；之後，本書介紹了監督學習模式下可用於預測金融變數的幾個基本機器學習演算法，包括懲罰性線性回歸、支持向量機等；接下來，本書介紹了將這些機器學習演算法應用於金融領域的實戰方法和細節；最後，本書討論了一系列與機器學習和因子投資相關的進階話題，包括模型的黑箱問題、因果關係問題和無監督學習演算法等。 本書適合金融機構從業者以及金融類專業學生系統了解因子投資的理論與方法，以及機器學習演算法在因子投資領域的應用。作者簡介 托尼·吉達（Tony Guida），倫敦一家老牌養老基金的資深量化投資基金經理，負責管理多因子股票投資組合。在此之前，曾在EDHEC RISK Scientific Beta擔任高級顧問，負責聰明貝塔和風險配置，就如何構建和配置風險溢價向資產所有者提供專業建議。在加入EDHEC之前，他在UNIGESTION工作了8年，擔任高級研究分析師。他曾是Minimum Variance Strategies研究和投資委員會的成員，負責領導機構客戶因子投資研究小組。他擁有法國薩沃伊大學計量經濟學和金融學學士和碩士學位。曾多次發表關於量化投資現代方法的演講，並多次舉辦關於「機器學習應用於量化投資」的研討會。目錄 第1章 符號與數據1 1 符號 1 2 數據集 第2章 簡介 2 1 背景 2 2 投資組合構建流程 2 3 機器學習不是「魔杖」 第3章 因子投資與資產定價異象 3 1 簡介 3 2 異象檢驗 3 3 因子還是特徵 3 4 熱門話題：動量、擇時和ESG 3 5 與機器學習的聯繫 3 6 代碼練習 第4章 數據預處理 4 1 認識你的數據 4 2 缺失值 4 3 異常值檢測 4 4 特徵工程 4 5 打標籤 4 6 處理持續性問題 4 7 擴展 4 8 代碼和結果 4 9 代碼練習 第5章 懲罰性線性回歸和稀疏對沖最小方差組合 5 1 懲罰性線性回歸 5 2 稀疏對沖最小方差組合 5 3 預測性回歸 5 4 代碼練習 第6章 樹模型 6 1 簡單決策樹 6 2 隨機森林 6 3 提升樹：Adaboost 6 4 提升樹：極端梯度提升（extreme gradient boosting）演算法 6 5 討論 6 6 代碼練習 第7章 神經網路 7 1 原始感知機 7 2 多層感知機 7 3 其他實際問題 7 4 關於基礎多層感知機的代碼示例和註釋 7 5 循環神經網路 7 6 其他常用架構 7 7 代碼練習 第8章 支持向量機 8 1 用SVM進行分類 8 2 用SVM進行回歸 8 3 實踐 8 4 代碼練習 第9章 貝葉斯方法 9 1 貝葉斯框架 9 2 貝葉斯採樣 9 3 貝葉斯線性回歸 9 4 樸素貝葉斯分類器 9 5 貝葉斯加性回歸樹 第10章 驗證和調參 10 1 學習參數 10 2 驗證 10 3 尋找好的參數 10 4 關於驗證的簡短討論 第11章 集成模型 11 1 線性集成 11 2 堆疊集成 11 3 擴展 11 4 代碼練習 第12章 投資組合回測 12 1 基本設定 12 2 將信號轉化為投資組合的權重 12 3 績效評估 12 4 常見錯誤和問題 12 5 非平穩性：預測是困難的 12 6 第一個例子：一個完整的回測 12 7 第二個例子：過擬合 12 8 代碼練習 第13章 可解釋性 13 1 全局模型 13 2 局部模型 第14章 兩個關鍵概念：因果關係和非平穩性 14 1 因果關係 14 2 處理不斷變化的環境 第15章 無監督學習 15 1 預測變數的相關性問題 15 2 主成分分析和自編碼器 15 3 k-means聚類 15 4 最近鄰方法 15 5 代碼練習 第16章 強化學習 16 1 理論布局 16 2 維度災難 16 3 策略梯度 16 4 簡單案例 16 5 結束語 16 6 練習 附錄1 變數說明 附錄2 練習答案 附錄3 Python代碼 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
