金融大模型開發基礎與實踐 陳強 9787301353202 【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：北京大學
物品所在地：中國大陸
原出版社：北京大學
NT$693
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：202408*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：金融大模型開發基礎與實踐 ISBN：9787301353202 出版社：北京大學 著編譯者：陳強 頁數：407 所在地：中國大陸 *此為代購商品 書號：1673266 可大量預訂，請先連絡。 內容簡介 本書結合具體實例循序漸進地講解了金融大模型開發的核心知識。 全書共12章，分別講解了大模型基礎、大模型開發技術棧、數據預處理與特徵工程、金融時間序列分析、金融風險建模與管理、高頻交易與演算法交易、信用風險評估、資產定價與交易策略優化、金融市場情緒分析、銀行應用大模型開發實戰、區塊鏈與金融科技創新和未來金融智能化發展趨勢。本書內容豐富全面，是學習金融大模型開發的優秀教程。 本書既適合已經掌握Python基礎開發的初學者學習使用，也適合想進一步學習大模型開發、模型優化、模型應用和模型架構的讀者閱讀。本書不僅可以作為證券、保險、銀行等行業從業者的參考書，還可以作為大專院校和培訓學校的專業性教材。作者簡介 陳強，中國海洋大學計算機博士，資深軟體開發工程師和架構師，現就職于牛津大學（蘇州）科技有限公司研發中心，從事於量化金融、衍生品（期貨期權）交易策略、金融建模和金融數據分析的架構和開發工作。曾經在谷歌市場中發布過多款著名的應用等軟體，這些應用軟體在谷歌市場上取得了驕人的銷售戰績。另外，還精通C#、Java、C++和C語言等主流編程語言，在國內主流期刊中發表過多篇計算機通信領域的著名論文。目錄 第1章 大模型基礎1 1 人工智慧 1 1 1 人工智慧的發展歷程 1 1 2 人工智慧的研究領域 1 1 3 人工智慧對人們生活的影響 1 2 機器學習和深度學習 1 2 1 機器學習 1 2 2 深度學習 1 2 3 機器學習和深度學習的區別 1 3 大模型介紹 1 3 1 大模型的作用 1 3 2 數據 1 3 3 數據和大模型的關係 1 4 人工智慧與金融行業交融 1 4 1 人工智慧驅動的金融創新 1 4 2 大模型在金融行業中的應用 第2章 大模型開發技術棧 2 1 深度學習框架 2 1 1 TensorFlow 2 1 2 PyTorch 2 2 數據預處理與處理工具 2 2 1 Pandas 2 2 2 NumPy 2 3 模型部署與推理 2 3 1 Docker和Kubernetes 2 3 2 部署平台 2 4 其他技術 2 4 1 模型訓練和調優 2 4 2 模型架構和設計 2 4 3 加速、優化和安全性 第3章 數據預處理與特徵工程 3 1 數據清洗與處理 3 1 1 數據質量檢查與缺失值處理 3 1 2 異常值檢測與處理 3 1 3 數據重複性處理 3 2 特徵選擇與特徵提取 3 2 1 特徵選擇方法 3 2 2 特徵提取技術 3 3 數據標準化與歸一化 3 3 1 標準化與歸一化的概念 3 3 2 金融模型中的標準化與歸一化例子 第4章 金融時間序列分析 4 1 時間序列的基本概念 4 1 1 什麼是時間序列數據 4 1 2 時間序列數據的特點 4 1 3 時間序列分析在金融領域的應用 4 2 常用的時間序列分析方法 4 2 1 移動平均法 4 2 2 自回歸模型 4 2 3 自回歸移動平均模型 4 2 4 季節性自回歸集成移動平均模型 4 2 5 ARCH和GARCH模型 4 2 6 向量自回歸模型 4 2 7 協整分析 4 2 8 機器學習方法 第5章 金融風險建模與管理 5 1 金融風險的概念與分類 5 1 1 金融風險的基本概念 5 1 2 金融風險的分類 5 2 基於人工智慧的金融風險建模方法 5 2 1 傳統風險建模方法回顧 5 2 2 機器學習在金融風險建模中的應用 5 2 3 數據驅動的風險建模 5 3 製作貴州茅台的ARCH模型 5 3 1 準備數據 5 3 2 製作波動模型 5 3 3 加入特徵數據：市場指數 5 3 4 製作股價預測模型 5 4 信貸投資組合風險評估模擬程序 5 4 1 實例介紹 5 4 2 設置信貸投資組合參數和可視化 5 4 3 定義風險度量和計算風險貢獻 5 4 4 損失分佈估計和可視化 第6章 高頻交易與演算法交易 6 1 高頻交易 6 1 1 高頻交易的特點 6 1 2 高頻交易的挑戰與風險 6 1 3 傳統高頻交易策略回顧 6 1 4 機器學習在高頻交易中的應用 6 1 5 高頻交易中的預測建模 6 1 6 量化交易框架 6 2 演算法交易 6 2 1 演算法交易策略的特點和優勢 6 2 2 演算法交易和量化交易的區別 6 2 3 製作演算法交易模型 6 3 量化選股程序 6 3 1 Tushare令牌初始化 6 3 2 輔助函數 6 3 3 保存結果 6 3 4 股票詳情 6 3 5 選股策略 6 3 6 主程序 第7章 信用風險評估 7 1 信用風險的概念與評估方法 7 1 1 信用風險的基本概念 7 1 2 信用評估方法 7 2 人工智慧在信用風險評估中的應用 7 2 1 傳統信用評估方法的局限性 7 2 2 機器學習與信用風險評估 7 2 3 風險模型的解釋性與可解釋性 7 3 金融風險管理實戰：製作信貸風控模型 7 3 1 讀取數據集數據 7 3 2 探索性數據分析 7 3 3 編碼分類變數 7 3 4 數據分析 7 3 5 相關性分析 7 3 6 外部數據源 7 3 7 繪製成對圖 7 3 8 特徵工程 7 3 9 創建基線模型 7 3 10 優化模型 7 3 11 製作LightGBM模型 第8章 資產定價與交易策略優化 8 1 資產定價模型概述 8 1 1 常見的資產定價模型 8 1 2 金融市場的非理性行為 8 2 基於人工智慧的資產定價方法 8 2 1 傳統資產定價模型的局限性 8 2 2 機器學習與資產定價 8 3 交易策略優化 8 3 1 交易策略的基本概念 8 3 2 基於人工智慧的交易策略優化 8 4 股票交易策略實戰：製作股票交易策略模型 8 4 1 準備環境 8 4 2 準備數據 8 4 3 下載、清理和預處理股票數據 8 4 4 添加技術指標 8 4 5 拆分數據集 8 4 6 準備訓練模型環境 8 4 7 訓練DDPG模型 8 4 8 訓練A2C模型 8 4 9 測試模型 8 4 10 保存交易決策數據 8 4 11 對交易策略進行模擬測試 第9章 金融市場情緒分析 9 1 情緒分析的概念與方法 9 1 1 情緒分析的基本概念 9 1 2 金融市場情緒的重要性 9 1 3 情緒分析的方法 9 2 基於人工智慧的金融市場情緒分析 9 2 1 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。 |
