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:

  • 正版 面向资产管理者的机器学习(精) [西]马科斯·洛佩斯·德普拉多
  • 新华书店旗下自营,正版全新
    • 作者: [西]马科斯·洛佩斯·德普拉多著 | [西]马科斯·洛佩斯·德普拉多编 | [西]马科斯·洛佩斯·德普拉多译 | [西]马科斯·洛佩斯·德普拉多绘
    • 出版社: 机械工业出版社
    • 出版时间:2021-11-01
    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:
    美阅书店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: [西]马科斯·洛佩斯·德普拉多著| [西]马科斯·洛佩斯·德普拉多编| [西]马科斯·洛佩斯·德普拉多译| [西]马科斯·洛佩斯·德普拉多绘
    • 出版社:机械工业出版社
    • 出版时间:2021-11-01
    • 版次:1版1次
    • 印次:1
    • 页数:248
    • 开本:32开
    • ISBN:9787111699484
    • 版权提供:机械工业出版社
    • 作者:[西]马科斯·洛佩斯·德普拉多
    • 著:[西]马科斯·洛佩斯·德普拉多
    • 装帧:精装
    • 印次:1
    • 定价:88.00
    • ISBN:9787111699484
    • 出版社:机械工业出版社
    • 开本:32开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2021-11-01
    • 页数:248
    • 外部编号:11384117
    • 版次:1版1次
    • 成品尺寸:暂无

    中文版序1 引 言 1.1 动机 1.2 理论很重要 1.3 如何科学地运用机器学习 1.4 过拟合的两种类型 1.5 提纲 1.6 受众 1.7 关于金融机器学习的五个常见误解 1.8 金融研究的未来 1.9 常见问题 1.10 结论 1.11 习题 2 降噪和降调 2.1 动机 2.2 Marcenko-Pastur定理 2.3 带信号的随机矩阵 2.4 拟合Marcenko-Pastur分布 2.5 降噪 2.6 降调 2.7 实验结果 2.8 结论 2.9 习题 3 距离度量 3.1 动机 3.2 基于相关性的度量 3.3 边际熵和联合熵 3.4 条件熵 3.5 Kullback-Leibler散度 3.6 交叉熵 3.7 互信息 3.8 差异信息 3.9 离散化 3.10 两个划分之间的距离 3.11 实验结果 3.12 结论 3.13 习题 4 最优聚类 4.1 动机 4.2 相似度矩阵 4.3 聚类的类型 4.4 类集的个数 4.5 实验结果 4.6 结论 4.7 习题 5 金融标注 5.1 动机 5.2 固定区间法 5.3 三重阻碍法 5.4 趋势扫描法 5.5 元标注 5.6 实验结果 5.7 结论 5.8 习题 6 特征重要性分析 6.1 动机 6.2 p值 6.3 变量重要性 6.4 概率加权准确度 6.5 替代效应 6.6 实验结果 6.7 结论 6.8 习题 7 组合构建 7.1 动机 7.2 凸组合优化 7.3 条件数 7.4 Markowitz的诅咒 7.5 信号作为协方差不稳定性的来源 7.6 嵌套聚类优化算法 7.7 实验结果 7.8 结论 7.9 习题 8 测试集过拟合 8.1 动机 8.2 查准率和召回率 8.3 重复测试下的查准率和召回率 8.4 夏普比率 8.5 错误策略定理 8.6 实验结果 8.7 收缩夏普比率 8.8 家族错误率 8.9 结论 8.10 习题 附录A 合成数据测试 附录B 错误策略定理的证明 参考书目 参考文献

    马科斯·M.洛佩斯·德普拉多美国劳伦斯·伯克利国家实验室研究员、康奈尔大学电气与计算机工程学院教授,拥有金融经济学和数学金融学博士学位。正确积极技术公司(TP T)首席信息官,阿布扎比投资局(ADIA)量化研究与开发业务的全球负责人。20多年来致力于利用机器学习算法和超级计算机的开发来制定投资策略的研究工作。撰写了数十篇颇具影响力的机器学习和算法研究的论文,著有《金融机器学习》等书。因其卓越的研究,2019年被《投资组合管理杂志》评为“年度量化分析师”。

    发现新的金融理论:应用机器学习工具来发掘复杂现象中的隐藏变量;提出一个理论,通过结构性陈述将这些成分联系起来;用比回测更强大的工具对理论进行检验;科学运用机器学习:应用于所有科学领域,用来评估一个理论的可信度;可以确定解释变量的相对信息含量,以达到解释和/或预测的目的;用来评估因果推理效果;对于大型、高维、复杂数据集的可视化至关重要;可用于扫描大数据, 寻找人类无法识别的模式。利用机器学习进行投资策略的选择和优化利用机器学习来建立更好的金融理论

    本书面向广大资产管理者和各类研究人员,基于机器学习和人工智能,指明从一个投资理念和理论到成功的投资策略具体实施的量化途径。作者认为一个缺乏理论依据的投资策略很可能是错误的。为此,资产管理者应致力于发展理论,而不仅是回测潜在的交易规则。本书就是从帮助资产管理者发现经济和金融理论的角度出发,介绍机器学习的工具。机器学习不是一个黑匣子,也不一定会过拟合。机器学习的工具与经典统计方法是互补关系而不是替代关系。本书认为机器学习的一些优点包括:注重样本外的可预测性,而不是样本内的方差判断;使用计算方法避免依赖一些(或许不切实际的)假设;能够“学习”复杂的规范,包括高维空间中的非线性、分层和非连续的交互效应;能够将变量搜索与设定搜索分离,并能很好地防止多重线性和其他替代效应。

    发现新的金融理论:应用机器学习工具来发掘复杂现象中的隐藏变量;提出一个理论,通过结构性陈述将这些成分联系起来;用比回测更强大的工具对理论进行检验;科学运用机器学习:应用于所有科学领域,用来评估一个理论的可信度;可以确定解释变量的相对信息含量,以达到解释和/或预测的目的;用来评估因果推理效果;对于大型、高维、复杂数据集的可视化至关重要;可用于扫描大数据, 寻找人类无法识别的模式。利用机器学习进行投资策略的选择和优化利用机器学习来建立更好的金融理论

    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