返回首页
苏宁会员
购物车 0
易付宝 企业采购
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:
  • 客服电话:
本店所有商品

超级新品 量化投资:MATLAB数据挖掘技术与实践卓金武电子工业出版社9787121302305

  • 作者: 卓金武著 | 暂无编 | 暂无译 | 暂无绘
  • 出版社: 电子工业出版社
  • 出版时间:2017-01-01
送至
由""直接销售和发货,并提供售后服务 联系客服
加入购物车 购买电子书
服务
企业采购 针对企业客户采购的专业服务

看了又看

商品预定流程:

查看大图
/
×

苏宁商家

商家:
安安图书专营店
联系:
联系客服
电话:

4007020808

  • 商品

  • 服务

  • 物流

搜索店内商品

商品分类

商品参数
  • 作者: 卓金武著| 暂无编| 暂无译| 暂无绘
  • 出版社:电子工业出版社
  • 出版时间:2017-01-01
  • 版次:1
  • 字数:717000
  • 页数:440
  • 开本:16开
  • 装帧:平装
  • ISBN:9787121302305
  • 版权提供:电子工业出版社
  • 作者:卓金武
  • 著:卓金武
  • 装帧:平装
  • 印次:暂无
  • 定价:98.0
  • ISBN:9787121302305
  • 出版社:电子工业出版社
  • 开本:16开
  • 印刷时间:暂无
  • 语种:中文
  • 出版时间:2017-01-01
  • 页数:424
  • 外部编号:1201433254
  • 版次:1

*一篇基础篇
*1章绪论2
1.1量化投资与数据挖掘的关系2
1.1.1什么是量化投资2
1.1.2量化投资的特点3
1.1.3量化投资的核心——量化模型5
1.1.4量化模型的主要产生方法——数据挖掘7
1.2数据挖掘的概念和原理8
1.2.1什么是数据挖掘8
1.2.2数据挖掘的原理10
1.3数据挖掘在量化投资中的应用11
1.3.1宏观经济分析11
1.3.2估价13
1.3.3量化*股14
1.3.4量化择时14
1.3.5算法交易14
1.4本章小结15
参考文献16
*2章数据挖掘的内容、过程及工具17
2.1数据挖掘的内容17
2.1.1关联17
2.1.2回归19
2.1.3分类20
2.1.4聚类21
2.1.5预测22
2.1.6诊断23
2.2数据挖掘过程24
2.2.1数据挖掘过程概述24
2.2.2挖掘目标的定义25
2.2.3数据的准备26
2.2.4数据的探索28
2.2.5模型的建立29
2.2.6模型的评估33
2.2.7模型的部署35
2.3数据挖掘工具36
2.3.1MATLAB36
2.3.2SAS37
2.3.3SPSS38
2.3.4WEKA39
2.3.5R41
2.3.6工具的比较与*择42
2.4本章小结43
参考文献43
*3章MATLAB快速入门44
3.1MATLAB快速入门44
3.1.1MATLAB概要44
3.1.2MATLAB的功能45
3.1.3快速入门案例46
3.1.4入门后的提高55
3.2MATLAB常用技巧55
3.2.1常用标点的功能55
3.2.2常用操作指令56
3.2.3指令编辑操作键56
3.2.4MATLAB数据类型56
3.3MATLAB开发模式58
3.3.1命令行模式58
3.3.2脚本模式58
3.3.3面向对象模式58
3.3.4三种模式的配合58
3.4小结59
*二篇技术篇
*4章数据的准备63
4.1数据的收集63
4.1.1认识数据63
4.1.2数据挖掘的数据源64
4.1.3数据抽样65
4.1.4量化投资的数据源67
4.1.5从雅虎获取交易数据69
4.1.6从大智慧获取财务数据71
4.1.7从Wind中获取高质量数据73
4.2数据质量分析75
4.2.1数据质量分析的必要*75
4.2.2数据质量分析的目的75
4.2.3数据质量分析的内容76
4.2.4数据质量分析的方法76
4.2.5数据质量分析的结果及应用82
4.3数据预处理82
4.3.1为什么需要数据预处理82
4.3.2数据预处理的主要任务83
4.3.3数据清洗84
4.3.4数据集成88
4.3.5数据归约89
4.3.6数据变换90
4.4本章小结92
参考文献93
*5章数据的探索94
5.1衍生变量95
5.1.1衍生变量的定义95
5.1.2变量衍生的原则和方法96
5.1.3常用的股票衍生变量96
5.1.4评价型衍生变量101
5.1.5衍生变量数据收集与集成103
5.2数据的统计104
5.2.1基本描述*统计105
5.2.2分布描述*统计106
5.3数据可视化106
5.3.1基本可视化方法107
5.3.2数据分布形状可视化108
5.3.3数据关联情况可视化110
5.3.4数据分组可视化111
5.4样本*择113
5.4.1样本*择的方法113
5.4.2样本*择应用实例113
5.5数据降维116
5.5.1主成分分析(PCA)基本原理116
5.5.2PCA应用案例:企业综合实力排序118
5.5.3相关系数降维122
5.6本章小结123
参考文献123
*6章关联规则方法124
6.1关联规则概要124
6.1.1关联规则的提出背景124
6.1.2关联规则的基本概念125
6.1.3关联规则的分类127
6.1.4关联规则挖掘常用算法128
6.2Apriori算法128
6.2.1Apriori算法的基本思想128
6.2.2Apriori算法的步骤129
6.2.3Apriori算法的实例129
6.2.4Apriori算法的程序实现132
6.2.5Apriori算法的优缺点135
6.3FP-Growth算法136
6.3.1FP-Growth算法步骤136
6.3.2FP-Growth算法实例137
6.3.3FP-Growth算法的优缺点139
6.4应用实例:行业关联*股法139
6.5本章小结141
参考文献142
*7章数据回归方法143
7.1一元回归144
7.1.1一元线*回归144
7.1.2一元非线*回归148
7.1.3一元多项式回归153
7.2多元回归153
7.2.1多元线*回归153
7.2.2多元多项式回归157
7.3逐步归回160
7.3.1逐步回归的基本思想160
7.3.2逐步回归步骤161
7.3.3逐步回归的MATLAB方法162
7.4Logistic回归164
7.4.1Logistic模型164
7.4.2Logistic回归实例165
7.5应用实例:多因子*股模型的实现168
7.5.1多因子模型的基本思想168
7.5.2多因子模型的实现169
7.6本章小结172
参考文献172
*8章分类方法173
8.1分类方法概要173
8.1.1分类的概念173
8.1.2分类的原理174
8.1.3常用的分类方法175
8.2K-近邻(KNN)176
8.2.1K-近邻原理176
8.2.2K-近邻实例177
8.2.3K-近邻特点180
8.3贝叶斯分类181
8.3.1贝叶斯分类原理181
8.3.2朴素贝叶斯分类原理182
8.3.3朴素贝叶斯分类实例184
8.3.4朴素*叶**点185
8.4神经网络185
8.4.1神经网络的原理185
8.4.2神经网络的实例188
8.4.3神经网络的特点188
8.5逻辑斯蒂(Logistic)189
8.5.1逻辑斯蒂的原理189
8.5.2逻辑斯蒂的实例189
8.5.3逻辑斯蒂的特点189
8.6判别分析190
8.6.1判别分析的原理190
8.6.2判别分析的实例191
8.6.3判别分析的特点191
8.7支持向量机(SVM)192
8.7.1SVM的基本思想192
8.7.2理论基础193
8.7.3支持向量机的实例196
8.7.4支持向量机的特点196
8.8决策树197
8.8.1决策树的基本概念197
8.8.2决策树的建构的步骤198
8.8.3决策树的实例201
8.8.4决策树的特点202
8.9分类的评判202
8.9.1正确率202
8.9.2ROC曲线204
8.10应用实例:分类*股法206
8.10.1案例背景206
8.10.2实现方法208
8.11延伸阅读:**分类方法210
8.12本章小结211
参考文献211
*9章聚类方法212
9.1聚类方法概要212
9.1.1聚类的概念212
9.1.2类的度量方法214
9.1.3聚类方法的应用场景216
9.1.4聚类方法的分类217
9.2K-means方法217
9.2.1K-means的原理和步骤218
9.2.2K-means实例1:自主编程219
9.2.3K-means实例2:集成函数221
9.2.4K-means的特点224
9.3层次聚类225
9.3.1层次聚类的原理和步骤225
9.3.2层次聚类的实例227
9.3.3层次聚类的特点229
9.4神经网络聚类229
9.4.1神经网络聚类的原理和步骤229
9.4.2神经网络聚类的实例229
9.4.3神经网络聚类的特点230
9.5模糊C-均值(FCM)方法230
9.5.1FCM的原理和步骤230
9.5.2FCM的应用实例232
9.5.3FCM算法的特点233
9.6高斯混合聚类方法233
9.6.1高斯混合聚类的原理和步骤233
9.6.2高斯聚类的实例236
9.6.3高斯聚类的特点236
9.7类别数的确定方法237
9.7.1类别的原理237
9.7.2类别的实例238
9.8应用实例:股票聚类分池240
9.8.1聚类目标和数据描述240
9.8.2实现过程240
9.8.3结果及分析242
9.9延伸阅读244
9.9.1目前聚类分析研究的主要内容244
9.9.2SOM智能聚类算法245
9.10本章小结246
参考文献246
*10章预测方法247
10.1预测方法概要247
10.1.1预测的概念247
10.1.2预测的基本原理248
10.1.3量化投资中预测的主要内容249

10.1.4预测的准确度评价及影响因素250
10.1.5常用的预测方法251
10.2灰色预测252
10.2.1灰色预测原理252
10.2.2灰色预测的实例254
10.3马尔科夫预测256
10.3.1马尔科夫预测的原理256
10.3.2马尔科夫过程的特*257
10.3.3马尔科夫预测的实例258
10.4应用实例:大盘走势预测262
10.4.1数据的*取及模型的建立263
10.4.2预测过程264
10.4.3预测结果与分析265
10.5本章小结265
参考文献267
*11章诊断方法268
11.1离群点诊断概要268
11.1.1离群点诊断的定义268
11.1.2离群点诊断的作用269
11.1.3离群点诊断方法分类271
11.2基于统计的离群点诊断271
11.2.1理论基础271
11.2.2应用实例273
11.2.3优点与缺点275
11.3基于距离的离群点诊断275
11.3.1理论基础275

11.3.2应用实例276
11.3.3优点与缺点278
11.4基于密度的离群点挖掘278
11.4.1理论基础278
11.4.2应用实例279
11.4.3优点与缺点281
11.5基于聚类的离群点挖掘281
11.5.1理论基础281
11.5.2应用实例282
11.5.3优点与缺点284
11.6应用实例:离群点诊断量化择时284
11.7延伸阅读:新兴的离群点挖掘方法286
11.7.1基于关联的离群点挖掘286
11.7.2基于粗糙集的离群点挖掘286
11.7.3基于人工神经网络的离群点挖掘287
11.8本章小结287
参考文献288
*12章时间序列方法289
12.1时间序列的基本概念289
12.1.1时间序列的定义289
12.1.2时间序列的组成因素290
12.1.3时间序列的分类291
12.1.4时间序列分析方法292
12.2平稳时间序列分析方法292
12.2.1移动平均法293
12.2.2指数平滑法294
12.3季节指数预测法295
12.3.1季节*水平模型295
12.3.2季节*趋势模型296
12.4时间序列模型296
12.4.1ARMA模型296
12.4.2ARIMA模型297
12.4.3ARCH模型298
12.4.4GARCH模型298
12.5应用实例:基于时间序列的股票预测299
12.6本章小结303
参考文献303
*13章智能优化方法304
13.1智能优化方法概要305
13.1.1智能优化方法的概念305
13.1.2在量化投资中的作用305
13.1.3常用的智能优化方法305
13.2遗传算法307
13.2.1遗传算法的原理307
13.2.2遗传算法的步骤308
13.2.3遗传算法实例316
13.2.4遗传算法的特点317
13.*模拟*火算法318
13.3.1模拟退火算法的原理318
13.3.2模拟退火算法步骤320
13.3.*模拟*火算法实例323
13.3.4模拟退火算法的特点329
13.4应用实例:组合投资优化330
13.4.1问题描述330
13.4.2求解过程330
13.5延伸阅读:**智能方法331
13.5.1粒子群算法331
13.5.2蚁群算法333
13.6本章小结334
参考文献335
*三篇实践篇
*14章统计套利策略的挖掘与优化338
14.1统计套利策略概述338
14.1.1统计套利的定义338
14.1.2统计套利策略的基本思想338
14.1.3统计套利策略挖掘的方法339
14.2基本策略的挖掘340
14.2.1准备数据340
14.2.2探索交易策略340
14.2.3验证交易策略341
14.2.4*择*佳的参数342
14.2.5参数扫描法345
14.2.6考虑交易费346
14.3高频交易策略及优化348
14.3.1高频交易的基本思想348
14.3.2高频交易的实现350
14.4多交易信号策略的组合及优化352
14.4.1多交易信号策略352
14.4.2交易信号的组合优化机理354
14.4.3交易信号的组合优化实现355
14.5本章小结358
参考文献358
*15章配对交易策略的挖掘与实现360
15.1配对交易概述360
15.1.1配对交易的定义360
15.1.2配对交易的特点361
15.1.3配对*取步骤362
15.2协整检验的理论基础363
15.2.1协整关系的定义363
15.2.2EG两步协整检验法363
15.2.3Johansen协整检验法364
15.3配对交易的实现365
15.3.1协整检验的实现365
15.3.2配对交易函数367
15.3.3协整配对中的参数优化369
15.4延伸阅读:配对交易的三要素370
15.4.1配对交易的前提370
15.4.2配对交易的关键371
15.4.3配对交易的假设371
15.5本章小结371
参考文献372
*16章基于Wind数据的程序化交易373
16.1程序化交易概述373
16.1.1程序化交易的定义373
16.1.2程序化交易的实现过程374
16.1.3程序化交易的分类376
16.2数据的处理及探索377
16.2.1获取股票日交易数据377
16.2.2计算指标381
16.2.3数据标准化388
16.2.4变量筛*389
16.3模型的建立及评估391
16.3.1股票预测的基本思想391
16.3.2模型的训练及评价392
16.4组合投资的优化394
16.4.1组合投资的理论基础394
16.4.2组合投资的实现398
16.5程序化交易的实施402
16.6本章小结403
参考文献404
*17章基于Quantrader平台的量化投资405
17.1量化平台概述405
17.1.1量化平台现状405
17.1.2Quantrader量化平台的构成406
17.1.3Quantrader的工作流程407
17.2基于Quantrader平台的量化实现过程407
17.2.1获取交易数据408
17.2.2计算衍生变量410

17.2.3数据标准化410
17.2.4变量优*410
17.2.5训练模型411
17.2.6策略回测411
17.3延伸阅读:Quantrader平台的拓展412
*18章基于数据挖掘技术的量化交易系统415
18.1交易系统概述416
18.1.1交易系统的定义416
18.1.2交易系统的作用416
18.2DM交易系统总体设计417
18.2.1系统目标417
18.2.2相关约定418
18.2.3系统结构418
18.3短期交易子系统419
18.3.1子系统功能描述419
18.3.2数据预处理模块419
18.3.3量化*股模块419
18.3.4策略回测模块420
18.4中长期交易子系统420
18.4.1子系统功能描述420
18.4.2导入数据模块421
18.4.3投资组合优化模块421
18.5系统的拓展与展望423
18.6本章小结423
参考文献424

卓金武,MathWorks中国科学计算业务总监,主要职责是向中国区MATLAB正版用户提供数据挖掘和量化投资解决方案。曾2次获全国大学生数学建模竞赛一等奖 (2003, 2004),1次获全国研究生数学建模竞赛一等奖 (2007);主编三著两部:《MATLAB在数学建模中的应用》(靠前版和*二版),《量化投资:数据挖掘技术与实践(MATLAB版)》。
周英,中科数据首席数据科学家,曾就职于知名搜索引擎公司6年,主要从事互联网文本挖掘工作的研发工作,目前专注的领域为大数据挖掘技术的工业应用研究和工程应用,曾获美国大学生数学建模竞赛二等奖一项,全国研究生数学建模竞赛二等奖一项,著有《大数据挖掘:系统方法与实例分析》。

全书内容分为三篇。靠前篇为基础篇,主要介绍量化投资与数据挖掘的关系,以及数据挖掘的概念、实现过程、主要内容、主要工具等内容。*二篇为技术篇,系统介绍了数据挖掘的相关技术及这些技术在量化投资中的应用,主要包括数据的准备、数据的探索、关联规则方法、数据回归方法、分类方法、聚类方法、预测方法、诊断方法、时间序列方法、智能优化方法等内容。*三篇为实践篇,主要介绍数据挖掘技术在量化投资中的综合应用实例,包括统计套利策略的挖掘与优化、配对交易策略的挖掘与实现、数据挖掘在股票程序化交易中的综合应用,以及基于数据挖掘技术的量化交易系统的构建。本书的读者对象为从事投资、数据挖掘、数据分析、数据管理工作的专业人士;金融、经济、管理、统计等专业的教师和学生;希望学习MATLAB的广大科研人员、学者和工程技术人员。

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