免费下载书籍地址：PDF下载地址
精美图片
机器学习在量化投资中的应用研究书籍详细信息
- ISBN：9787121244940
- 作者：暂无作者
- 出版社：暂无出版社
- 出版时间：2014-11-1
- 页数：暂无页数
- 价格：暂无价格
- 纸张：暂无纸张
- 装帧：暂无装帧
- 开本：暂无开本
- 语言：未知
- 丛书：暂无丛书
- TAG：暂无
- 豆瓣评分：暂无豆瓣评分
内容简介：
《机器学习在量化投资中的应用研究书名》是国内少有的研究机器学习在量化投资中应用的专著。主要运用多层感知器神经网络、广义自回归神经网络、模糊神经网络与支持向量机对证券时间序列进行回归分析。特别是在支持向量机框架下构造了小波、流形小波与样条小波三种核函数，并在此基础上建立了股指收益与波动预测两类新的量化投资模型。与经典高斯核相比，具备多分辨分析特性的新模型能较好地捕捉曲线性状，各预测指标在模拟数据与真实数据上均占优，表明其具有良好的适用性与有效性。
书籍目录：
第1章 绪论
1
1.1 背景与意义
1
1.2 国内外研究现状
3
1.2.1 金融时间序列方法
3
1.2.2 机器学习方法
6
1.2.3 小波与流形方法
10
1.3 本书主要内容与逻辑结构
15
1.3.1 内容安排
15
1.3.2 逻辑结构
17
第2章 统计学习与机器学习
19
2.1 计算学习理论
19
2.1.1 学习问题表述
19
2.1.2 统计学习理论
21
2.1.3 可能近似正确学习模型
22
2.2 神经网络模型
23
2.2.1 多层感知器神经网络模型
23
2.2.2 广义回归神经网络模型
26
2.3 支持向量机理论
28
2.3.1 线性支持向量分类机
29
2.3.2 非线性支持向量分类机
31
2.3.3 支持向量回归机
33
2.4 本章小结
34
第3章 基于模糊神经网络的股票预测模型分析
35
3.1 引言
35
3.2 模糊神经网络模型研究
36
3.2.1 模糊逻辑推理系统结构
36
3.2.2 模糊神经网络分类器
37
3.2.3 模糊神经网络回归机
38
3.3 基于模糊神经网络的股票预测
40
3.3.1 模糊神经网络设计
40
3.3.2 实验结果与分析
42
3.4 本章小结
43
第4章 基于高斯核支持向量机的股票预测模型分析
44
4.1 引言
44
4.2 核函数研究
45
4.2.1 核的构造条件
45
4.2.2 核的构造原则
46
4.2.3 核的主要类型
49
4.3 基于高斯核支持向量机的股票预测
52
4.3.1 数据处理与性能指标
52
4.3.2 实验结果与分析
53
4.4 本章小结
57
第5章 基于小波支持向量机的股票收益模型分析
58
5.1 引言
58
5.2 股票收益的理论研究
59
5.2.1 有效市场假说与布朗运动模型
59
5.2.2 分形市场假说与分数布朗运动模型
61
5.2.3 Hurst指数与重标极差分析
62
5.2.4 混沌动力学模型与Lyapunov指数
64
5.3 基于小波支持向量机的收益模型
65
5.3.1 小波变换与多分辨分析
66
5.3.2 小波核构造与证明
68
5.3.3 实验结果与分析
70
5.4 本章小结
77
第6章 基于小波支持向量机的波动模型分析
79
6.1 引言
79
6.2 波动率模型研究
79
6.2.1 ARCH模型
80
6.2.2 GARCH模型
81
6.2.3 随机波动SV模型
82
6.3 基于小波支持向量机的GARCH模型
84
6.3.1 仿真实验
84
6.3.2 真实数据集实验
86
6.4 本章小结
95
第7章 基于流形小波核的收益序列分析
96
7.1 引言
96
7.2 微分几何基本理论
96
7.3 核函数的几何解释
100
7.4 构造融合先验知识的流形小波核
101
7.5 实验结果与分析
102
7.6 本章小结
107
第8章 基于样条小波核的波动序列分析
108
8.1 引言
108
8.2 样条小波模型研究
108
8.3 样条空间与函数
110
8.3.1 样条函数空间
110
8.3.2 B样条函数定义与性质
112
8.4 样条小波核构造与证明
113
8.5 实验结果与分析
115
8.6 本章小结
119
第9章 结论与展望
120
9.1 本书主要贡献
120
9.2 后续研究展望
122
附录A 微积分
124
A.1 基本定义
124
A.2 梯度和Hesse矩阵
126
A.3 方向导数
126
A.4 Taylor展开式
128
A.5 分离定理
129
附录B Hilbert空间
131
B.1 向量空间
131
B.2 内积空间
134
B.3 Hilbert空间
136
B.4 算子、特征值和特征向量
138
附录C 专题研究期间学术论文与科研项目
140
后记
143
参考文献
144
作者介绍：
暂无相关内容，正在全力查找中
出版社信息：
暂无出版社相关信息，正在全力查找中！
书籍摘录：
暂无相关书籍摘录，正在全力查找中！
在线阅读/听书/购买/PDF下载地址：
在线阅读地址：机器学习在量化投资中的应用研究在线阅读
在线听书地址：机器学习在量化投资中的应用研究在线收听
在线购买地址：机器学习在量化投资中的应用研究在线购买
原文赏析：
暂无原文赏析，正在全力查找中！
其它内容：
书籍介绍
《机器学习在量化投资中的应用研究书名》是国内少有的研究机器学习在量化投资中应用的专著。主要运用多层感知器神经网络、广义自回归神经网络、模糊神经网络与支持向量机对证券时间序列进行回归分析。特别是在支持向量机框架下构造了小波、流形小波与样条小波三种核函数，并在此基础上建立了股指收益与波动预测两类新的量化投资模型。与经典高斯核相比，具备多分辨分析特性的新模型能较好地捕捉曲线性状，各预测指标在模拟数据与真实数据上均占优，表明其具有良好的适用性与有效性。
书籍真实打分
故事情节：8分
人物塑造：9分
主题深度：9分
文字风格：8分
语言运用：3分
文笔流畅：5分
思想传递：4分
知识深度：3分
知识广度：7分
实用性：3分
章节划分：5分
结构布局：7分
新颖与独特：4分
情感共鸣：4分
引人入胜：5分
现实相关：8分
沉浸感：9分
事实准确性：9分
文化贡献：7分
网站评分
书籍多样性：4分
书籍信息完全性：3分
网站更新速度：5分
使用便利性：6分
书籍清晰度：3分
书籍格式兼容性：6分
是否包含广告：6分
加载速度：5分
安全性：7分
稳定性：7分
搜索功能：3分
下载便捷性：5分
下载点评
- 值得下载(542+)
- 全格式(579+)
- 下载速度快(286+)
- 品质不错(192+)
- 中评(640+)
- 目录完整(413+)
- 二星好评(279+)
- 章节完整(624+)
下载评价
网友 常***翠：哈哈哈哈哈哈
网友 寿***芳：可以在线转化哦
网友 习***蓉：品相完美
网友 敖***菡：是个好网站，很便捷
网友 权***颜：下载地址、格式选择、下载方式都还挺多的
网友 宫***玉：我说完了。
网友 訾***晴：挺好的，书籍丰富
网友 师***怡：说的好不如用的好，真心很好。越来越完美
网友 菱***兰：特好。有好多书