新書推薦:
《
我真正想要什么?:智慧瑜伽答问/正念系列
》
售價:HK$
58.2
《
元朝理财记 从成吉思汗的崛起到元朝的衰亡
》
售價:HK$
98.6
《
欧洲史:一本书历览欧洲数千年兴衰起伏,理解欧洲文明何以铸就今日世界
》
售價:HK$
333.8
《
趣学CCNA——路由与交换(第2版)
》
售價:HK$
100.6
《
世界航空地理(世界国别与区域地理研究丛书)
》
售價:HK$
244.2
《
学术的中心:英法德美
》
售價:HK$
87.4
《
为什么要读人类学
》
售價:HK$
77.3
《
井邑无衣冠 : 地方视野下的唐代精英与社会
》
售價:HK$
95.2
|
編輯推薦: |
本书是国内少有的研究机器学习在量化投资中应用的专著。主要运用多层感知器神经网络、广义自回归神经网络、模糊神经网络与支持向量机对证券时间序列进行回归分析。特别是在支持向量机框架下构造了小波、流形小波与样条小波三种核函数,并在此基础上建立了股指收益与波动预测两类新的量化投资模型。本书可供计算机、信息管理与金融类专业高年级本科生与研究生使用,也可供从事机器学习技术与应用研究的科研人员、金融市场数据分析人员以及机器学习软件开发人员参考。
|
內容簡介: |
本书是国内少有的研究机器学习在量化投资中应用的专著。主要运用多层感知器神经网络、广义自回归神经网络、模糊神经网络与支持向量机对证券时间序列进行回归分析。特别是在支持向量机框架下构造了小波、流形小波与样条小波三种核函数,并在此基础上建立了股指收益与波动预测两类新的量化投资模型。与经典高斯核相比,具备多分辨分析特性的新模型能较好地捕捉曲线性状,各预测指标在模拟数据与真实数据上均占优,表明其具有良好的适用性与有效性。
|
目錄:
|
目录
第1章 绪论1
1.1 背景与意义1
1.2 国内外研究现状3
1.2.1 金融时间序列方法3
1.2.2 机器学习方法6
1.2.3 小波与流形方法10
1.3 本书主要内容与逻辑结构15
1.3.1 内容安排15
1.3.2 逻辑结构17
第2章 统计学习与机器学习19
2.1 计算学习理论19
2.1.1 学习问题表述19
2.1.2 统计学习理论21
2.1.3 可能近似正确学习模型22
2.2 神经网络模型23
2.2.1 多层感知器神经网络模型23
2.2.2 广义回归神经网络模型26
2.3 支持向量机理论28
2.3.1 线性支持向量分类机29
2.3.2 非线性支持向量分类机31
2.3.3 支持向量回归机33
2.4 本章小结34
第3章 基于模糊神经网络的股票预测模型分析35
3.1 引言35
3.2 模糊神经网络模型研究36
3.2.1 模糊逻辑推理系统结构36
3.2.2 模糊神经网络分类器37
3.2.3 模糊神经网络回归机38
3.3 基于模糊神经网络的股票预测40
3.3.1 模糊神经网络设计40
3.3.2 实验结果与分析42
3.4 本章小结43
第4章 基于高斯核支持向量机的股票预测模型分析44
4.1 引言44
4.2 核函数研究45
4.2.1 核的构造条件45
4.2.2 核的构造原则46
4.2.3 核的主要类型49
4.3 基于高斯核支持向量机的股票预测52
4.3.1 数据处理与性能指标52
4.3.2 实验结果与分析53
4.4 本章小结57
第5章 基于小波支持向量机的股票收益模型分析58
5.1 引言58
5.2 股票收益的理论研究59
5.2.1 有效市场假说与布朗运动模型59
5.2.2 分形市场假说与分数布朗运动模型61
5.2.3 Hurst指数与重标极差分析62
5.2.4 混沌动力学模型与Lyapunov指数64
5.3 基于小波支持向量机的收益模型65
5.3.1 小波变换与多分辨分析66
5.3.2 小波核构造与证明68
5.3.3 实验结果与分析70
5.4 本章小结77
第6章 基于小波支持向量机的波动模型分析79
6.1 引言79
6.2 波动率模型研究79
6.2.1 ARCH模型80
6.2.2 GARCH模型81
6.2.3 随机波动SV模型82
6.3 基于小波支持向量机的GARCH模型84
6.3.1 仿真实验84
6.3.2 真实数据集实验86
6.4 本章小结95
第7章 基于流形小波核的收益序列分析96
7.1 引言96
7.2 微分几何基本理论96
7.3 核函数的几何解释100
7.4 构造融合先验知识的流形小波核101
7.5 实验结果与分析102
7.6 本章小结107
第8章 基于样条小波核的波动序列分析108
8.1 引言108
8.2 样条小波模型研究108
8.3 样条空间与函数110
8.3.1 样条函数空间110
8.3.2 B样条函数定义与性质112
8.4 样条小波核构造与证明113
8.5 实验结果与分析115
8.6 本章小结119
第9章 结论与展望120
9.1 本书主要贡献120
9.2 后续研究展望122
附录A 微积分124
A.1 基本定义124
A.2 梯度和Hesse矩阵126
A.3 方向导数126
A.4 Taylor展开式128
A.5 分离定理129
附录B Hilbert空间131
B.1 向量空间131
B.2 内积空间134
B.3 Hilbert空间136
B.4 算子、特征值和特征向量138
附录C 专题研究期间学术论文与科研项目140
后记143
参考文献144
|
|