由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 概率机器学习:金融与投资实战 迪帕克·K. 卡农戈 量化不确定性 精准投资决策 概率机器学习 机器学习 金融投
¥ ×1
|
| |
| 商品名称: | 概率机器学习:金融与投资实战 |
| 作 者: | [美]迪帕克·K. 卡农戈(Deepak K. Kanungo)
|
| 市 场 价: | 89.00
|
| ISBN 号: | 9787111772712
|
| 出版日期: |
|
| 页 数: | 228
|
| 开 本: |
|
| 出 版 社: | 机械工业出版社 |
|
目录 前言1 第1章 概率机器学习的需求9 1.1 金融学不是物理学10 1.2 所有金融模型皆有谬误且大多无用12 1.3 三类建模错误14 1.3.1 模型错误14 1.3.2 模型参数错误15 1.3.3 模型不能适应市场的结构性变化而导致的错误17 1.4 概率金融模型18 1.5 金融人工智能和机器学习20 1.6 概率机器学习23 1.6.1 概率分布24 1.6.2 知识集成25 1.6.3 参数推断26 1.6.4 生成式集成模型26 1.6.5 不确定性认知27 1.7 本章小结27 参考文献28 扩展阅读29 第2章 不确定性的分析与量化30 2.1 蒙提霍尔问题31 2.2 概率公理33 2.3 反概率公式36 2.4 模拟解40 2.5 概率的含义42 2.5.1 频率学派的概率43 2.5.2 认知概率44 2.5.3 相对概率47 2.6 风险与不确定性48 2.7 三种不确定性50 2.7.1 偶然不确定性51 2.7.2 认知不确定性53 2.7.3 本体论不确定性56 2.8 没有免费午餐定理57 2.9 投资与归纳问题60 2.10 问题归纳、没有免费午餐定理与概率机器学习64 2.11 本章小结65 参考文献66 第3章 用于量化输出不确定性的蒙特卡罗模拟68 3.1 蒙特卡罗模拟:概念验证69 3.2 关键统计概念71 3.2.1 均值和方差71 3.2.2 期望值:概率加权算术平均值72 3.2.3 为什么用波动率来度量风险是荒谬的73 3.2.4 偏度与峰度74 3.2.5 高斯分布或正态分布75 3.2.6 为什么使用波动率会低估金融风险76 3.2.7 大数定律79 3.2.8 中心极限定理79 3.3 蒙特卡罗模拟的理论基础81 3.4 软件项目的估值82 3.5 构建一个健全的蒙特卡罗模拟系统85 3.6 本章小结87 参考文献88 第4章 传统统计方法的风险89 4.1 反向谬误90 4.2 零假设显著性检验中的检察官谬误96 4.3 信心游戏100 4.3.1 股票的单因素市场模型102 4.3.2 基于Statsmodels的简单线性回归103 4.3.3 α和β的置信区间106 4.4 揭秘信心游戏107 4.4.1 总体参数概率性陈述错误107 4.4.2 置信区间概率性陈述错误108 4.4.3 抽样分布概率性陈述错误108 4.5 本章小结111 参考文献112 扩展阅读113 第5章 概率机器学习框架114 5.1 探究反概率规则115 5.2 估计债务违约的概率119 5.3 用预测概率分布生成数据124 5.4 本章小结127 扩展阅读129 第6章 传统人工智能系统的风险130 6.1 AI系统:缺乏常识是危险的132 6.2 为什么最大似然估计模型在金融领域失败了133 6.2.1 盈余预期的最大似然估计模型134 6.2.2 盈余预期的概率模型137 6.3 马尔可夫链蒙特卡罗模拟143 6.3.1 马尔可夫链143 6.3.2 Metropolis抽样145 6.4 本章小结149 参考文献150 第7章 生成式集成概率机器学习151 7.1 最大似然回归模型153 7.1.1 市场模型154 7.1.2 模型假设154 7.1.3 基于最大似然估计的参数学习155 7.1.4 基于置信区间的参数不确定性量化156 7.1.5 模型输出的预测与模拟156 7.2 概率线性集成模型156 7.2.1 先验概率分布P(α, β, e)158 7.2.2 似然函数P(Y| α, β, e, X)159 7.2.3 边缘似然函数P(Y|X)159 7.2.4 后验概率分布P(α, β, e| X, Y)159 7.3 使用PyMC库与ArviZ库构建概率线性集成模型160 7.3.1 定义集成模型的性能指标161 7.3.2 数据分析与特征工程164 7.3.3 开发和回溯先验集成模型167 7.3.4 训练和回溯后验集成模型174 7.3.5 测试和评估集成模型182 7.4 本章小结185 参考文献186 扩展阅读186 第8章 基于生成式集成模型的概率决策187 8.1 概率推断和预测框架188 8.2 概率决策框架191 8.2.1 融入主观判断191 8.2.2 估计损失192 8.2.3 最小化损失195 8.3 风险管理197 8.3.1 资本保全197 8.3.2 遍历性197 8.3.3 生成式风险价值202 8.3.4 生成式预期亏空204 8.3.5 生成式尾部风险205 8.4 资本配置206 8.4.1 赌徒破产定律206 8.4.2 预期资产评估师的破产208 8.4.3 现代投资组合理论212 8.4.4 马科维茨投资者的破产214 8.4.5 凯利准则219 8.4.6 凯利投资者的破产222 8.5 本章小结224 参考文献225 扩展阅读225 |
|
《概率机器学习:金融与投资实战》深入探讨了概率机器学习在金融与投资领域的前沿应用,揭示了这一技术如何成为下一代金融分析与投资决策的框架。本书详细阐述了概率机器学习如何从有噪声的金融数据集中持续学习,并实现概率推断、回溯预测、预测及反事实推理。同时,该技术还能将个人、实证及机构知识系统地编码进机器学习模型中。书中通过实战案例,展示了如何利用概率分布量化不确定性,从而做出更贴近现实的金融推断与预测,为决策制定与风险管理提供有力支持。 |
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
