正版
当代·经济
金融中的机器学习:理论与实践
正版保障多仓发货48小时内发货2-3天送达可开发票
¥77.47
定价 ¥128.00
6.1折
立省 ¥50.53
现货库存 20 件
全新
商品参数
- 书名
- 金融中的机器学习:理论与实践
- 作者
- (美)马修·F.狄克逊,(美)伊戈尔·霍尔珀林,(美)保罗·比罗肯 著 贾越珵,徐峥 译
- 出版社
- 中国人民大学出版社
- 出版时间
- 2026-01-01
- ISBN
- 9787300326436
- 货号
- 1203881000
- 品相
- 全新
- 分类
- 当代·经济
商品参数
- 书名
- 金融中的机器学习:理论与实践
- 作者
- (美)马修·F.狄克逊,(美)伊戈尔·霍尔珀林,(美)保罗·比罗肯 著 贾越珵,徐峥 译
- 出版社
- 中国人民大学出版社
- 出版时间
- 2026-01-01
- ISBN
- 9787300326436
- 货号
- 1203881000
- 品相
- 全新
- 分类
- 当代·经济
作者简介▼
马修·F.狄克逊,伊利诺伊理工学院应用数学助理教授,斯图尔特商学院客座教授,金融科技领域的人工智能专家。发表20余篇机器学习与量化金融方向的论文,并被《彭博市场》和《金融时报》所引用。现任《金融机器学习》期刊副主编、《动力学与博弈论》期刊编委,同时也是CFA量化投资小组咨询委员会成员。
伊戈尔·霍尔珀林,纽约大学金融工程教授,富达投资集团人工智能研究顾问。发表50余篇机器学习、量化金融及理论物理论文。投身金融行业前,曾于以色列理工学院与不列颠哥伦比亚大学从事理论物理博士后研究。
保罗·比罗肯,Thalesians公司首席执行官兼创始人,在数理逻辑、域理论及随机滤波理论领域作出学术贡献。现为英国计算机学会、英国工程技术学会及欧洲复杂系统学会会员。
目录▼
第一部分基于横截面数据的机器学习
第1章引论
1.1背景
1.2机器学习与预测
1.3统计建模与机器学习
1.4强化学习
1.5实践中监督机器学习的示例
1.6本章小结
1.7习题
第2章概率建模
2.1简介
2.2贝叶斯vs.频率估计
2.3从数据中进行频率推断
2.4评估估计量的质量:偏差和方差
2.5关于估计量的偏差-方差权衡(困境)
2.6从数据中进行贝叶斯推断
2.7模型选择
2.8概率图模型
2.9本章小结
……
文摘▼
本书分为三个部分,每部分都涵盖理论和应用。第一部分从贝叶斯和频数论的角度提出了横截面数据的监督学习。该部分强调神经网络,包括深度学习以及高斯过程,并提供投资管理和衍生模型的示例。第二部分介绍了时间序列数据的监督学习,时间序列数据可以说是金融中最常用的数据类型,并举例说明了交易、随机波动性和固定收益建模。第三部分介绍了强化学习及其在交易、投资和财富管理中的应用。本文提供了Python代码示例,以帮助读者理解方法和应用程序。





