返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 机器学习与资产定价 (美)斯蒂芬·内格尔 著 王熙,石川 译 经管、励志 文轩网
  • 新华书店正版
    • 作者: (美)斯蒂芬·内格尔著 | | 王熙,石川译
    • 出版社: 电子工业出版社
    • 出版时间:2022-07-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (美)斯蒂芬·内格尔著| 王熙,石川译
    • 出版社:电子工业出版社
    • 出版时间:2022-07-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-07-01
    • 字数:207000
    • 页数:248
    • 开本:32开
    • 装帧:平装
    • ISBN:9787121434365
    • 国别/地区:中国
    • 版权提供:电子工业出版社

    机器学习与资产定价

    作  者:(美)斯蒂芬·内格尔 著 王熙,石川 译
    定  价:100
    出 版 社:电子工业出版社
    出版日期:2022年07月01日
    页  数:248
    装  帧:精装
    ISBN:9787121434365
    主编推荐

    "“您能否列举出一家国内外的对冲基金是靠机器学习算法挣钱的?” 几年前,对于某些对冲基金来说,机器学习或许还是“不能说的秘密”。但现在看来,机器学习几乎已经成为行业的共识。 接近没有使用过任何机器学习技术的头部量化对冲基金已经不存在。事实上,机器学习的相关人才在金融相关的就业市场上早已趋之若鹜。 在投资领域,机器学习与资产定价的有效结合,助推了量化投资的发展。量化基金已经逐渐跻身投资市场的主流,很好的量化机构也都形成了自己鲜明的特色,而其背后都是海量的数据和神秘的模型。当下,以数据为基础的机器学习策略,不仅更具吸引力和成本效益,而且成为竞争优势的关键来源。 通过经济学推理将机器学习方法引入实证和理论资产定价,无论对学界理论研究还是对业界投资务实,都具有深远影响。以人工智能、机器学习并结合复杂网络为科学基础的资产定价理论与应用,对中国这个快速发展且具有高度复杂性的资本市场的规律把握具null

    内容简介

    本书从资产定价的核心问题出发,前沿而体系化地讨论了如何通过经济学推理将机器学习方法引入实证和理论资产定价研究之中,从而有效解决机器学习应用在资产定价中所面临的挑战,搭建了研究机器学习与资产定价的桥梁。为提升阅读体验,帮助读者充分理解书中内容,译者王熙教授与石川博士在行文中加入了精彩丰富的译者注,给原著提供必要的背景知识,从而帮助读者更好地掌握书中的行文逻辑。其中,为本书补充的诸多公式推导过程也能帮助读者加深对贝叶斯统计框架的理解。本书读者对象:资产定价、机器学习、金融学、经济学、量化投资等金融科技相关领域的从业者、研究人员和其他感兴趣的读者。

    作者简介

    "Stefan Nagel 芝加哥大学布斯商学院Fama Family Distinguished Service金融学教授。他是Journal of Finance的执行主编,以及美国国家经济研究局(NBER)、欧洲经济政策研究中心(CEPR)和慕尼黑经济研究中心(CESIfo)的研究员。 译者简介 王熙 北京大学经济学院研究员、助理教授、博士生导师;北京大学大数据分析与应用技术国家工程实验室研究员;武汉大学学士,圣路易斯华盛顿大学硕士、博士;主要研究方向为资产定价、宏观金融以及强化学习与机器学习的交叉学科应用。 石川 北京量信投资管理有限公司创始合伙人;清华大学学士、硕士,麻省理工学院博士;因子投资中文版首著《因子投资:方法与实践》领衔作者;知名期刊Computers in Industry编委会委员;曾就职于Citigroup、Oracle及P&G。石川博士精通统null

    精彩内容

    目录
    第1章 引言 1
    1.1 实证资产定价中的特设稀疏性假设
    1.2 理论资产定价中的特设稀疏性假设
    1.3 机器学习
    1.4 术语
    1.5 监督学习和无监督学习
    1.6 本书的局限性
    1.7 本书的结构
    第2章 监督学习 16
    2.1 将监督学习视为函数逼近问题
    2.2 回归方法
    2.2.1 线性方法:岭回归和Lasso
    2.2.2 树方法和随机森林
    2.2.3 神经网络
    2.3 超参数调优
    2.4 贝叶斯解释
    第3章 资产定价中的监督学习 46
    3.1 例子:截面股票收益率预测
    3.2 预测性能评价
    3.3 正则化与投资表现
    3.4 预期收益率与协方差的关联
    3.5 通过构建投资组合估计协方差矩阵
    3.6 非线性
    3.7 稀疏性
    3.8 结构性变化
    3.9 结束语
    第4章 机器学习与截面资产定价 97
    4.1 基于公司特征因子的资产定价
    4.2 监督学习视角
    4.2.1 收缩估计量
    4.2.2 稀疏性
    4.2.3 数据驱动的超参选择
    4.3 实证分析
    4.3.1 50 个异象特征的实证结果
    4.3.2 WRDS 财务比例的实证结果
    4.3.3 特征之间的交互作用
    4.4 样本外资产定价检验
    4.5 相关近期新研究
    4.6 结束语
    第5章 投资者信念形成的机器学习模型 142
    5.1 资产市场
    5.1.1 投资者
    5.1.2 定价
    5.1.3 基于计量经济学的观测者视角
    5.2 投资者学习
    5.2.1 OLS 学习
    5.2.2 带有信息先验的贝叶斯学习
    5.3 收益率可预测性
    5.3.1 样本内收益率可预测性
    5.3.2 (不存在)样本外收益率可预测性
    5.4 扩展研究
    5.4.1 稀疏性
    5.4.2 额外的收缩和稀疏性
    5.5 对实证研究的启示
    5.6 结束语
    第6章 研究议程 180
    6.1 描述投资机会的特征
    6.1.1 机器学习的经济学约束
    6.1.2 非线性
    6.1.3 结构性变化
    6.2 资产需求分析
    6.2.1 需求系统估计
    6.2.2 预期的形成
    6.3 机器学习的理论应用
    6.3.1 有限理性
    6.3.2 投资者的异质性
    6.4 结束语
    附录A 部分公式推导 201
    参考文献 210
    索引 217

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购