新書推薦:
《
天生坏种:罪犯与犯罪心理分析
》
售價:HK$
97.9
《
新能源材料
》
售價:HK$
63.8
《
传统文化有意思:古代发明了不起
》
售價:HK$
43.8
《
无法从容的人生:路遥传
》
售價:HK$
74.8
《
亚述:世界历史上第一个帝国的兴衰
》
售價:HK$
107.8
《
大处着眼:持久战与《论持久战》
》
售價:HK$
85.8
《
人工智能与大数据:采煤机智能制造
》
售價:HK$
96.8
《
未来漫游指南:昨日科技与人类未来
》
售價:HK$
97.9
內容簡介:
随着技术进步的加快,所以为了拥有能够预测、建模、交易金融市场和信息的计算应用,从业者正在寻找更复杂的方法来迎接挑战。神经网络是一种高效、训练算法,它模拟人类大脑功能的某些方面,并广泛应用于财务预测。
本书介绍了的人工智能(AI)/神经网络应用程序在市场、资产和其他金融领域的应用,以及人工智能和金融领域的一些的研究成果,并为这一领域的从业者和研究人员提供了深入的分析和高度适用的工具和技术。
關於作者:
克里斯蒂安·L. 迪尼(Christian L. Dunis)教授在学术界和量化投资领域拥有超过35 年的丰富经验,发表了75 篇论文。他在金融市场建模和分析方面拥有丰富的专业知识,尤其是在神经网络和高级统计分析方面拥有丰富的经验。
彼得·W. 米德尔顿(Peter W. Middleton)博士近获得了利物浦大学(University of Liverpool)金融建模和商品价差交易的博士学位,已经发表了五篇论文。他是特许金融分析师(CFA)协会的成员,正在努力通过CFA 认证(已经通过一级)。目前,他在金融行业从事资产管理工作。
康斯坦丁诺斯·西奥菲拉托斯(Konstantinos Theofilatos)博士拥有技术和计算方面的专业知识,以及进化编程、神经网络、专家系统和人工智能等学科的学术背景。他在计算机科学领域发表了多篇文章,也是《用于交易和投资的计算智能技术》(Computational Intelligence Techniques for Trading and Investment)一书的主编。
安德里亚斯·卡拉萨索普洛斯(Andreas Karathanasopoulos)博士目前是贝鲁特美国大学(American University of Beirut)的副教授,已经在学术界工作了六年。他在国际期刊上发表了多篇关于利用神经网络、支持向量机和遗传编程进行金融预测的文章。另外,他还是《用于交易和投资的计算智能技术》(Computational Intelligence Techniques for Trading and Investment)一书的主编。
目錄 :
部分 人工智能简介
第1章 人工智能在金融领域的应用概述
引言
专家系统在金融领域中的应用
混合智能在金融中的应用
总结
附录
第二部分 金融预测和交易
第2章 交易富时100 指数:“自适应”
建模和优化技术
引言
文献综述
相关金融数据
提出的方法
实证分析
结论和未来的工作
第3章 裂解价差的建模、预测和交易:一种用于训练神经网络的滑动窗口方法
引言
文献综述
描述性统计
方法
实证结果
结束语和研究的局限性
附录
第4章 GEPTrader:一种用基因表达式编程构建交易策略的新工具
引言
文献综述
数据集
GEPTrader
实验结果
结论
第三部分 经济
第5章 商业智能助力经济决策
引言
文献综述
创建商业自动化数据经济模型的方法
模型的实证结果
结论
第四部分 信用风险与分析
第6章 信用风险评估中基于数据挖掘应用的自动化文献分析
引言
材料和方法
结论和分析
结论
第7章 智能信用风险决策支持:架构和实施
引言
文献综述
信用风险领域的决策支持与专家系统
结论
第8章 人工智能在伊斯兰债券评级预测中的应用
引言
文献综述
数据与研究方法
结果与分析
结论
附录1
附录2
附录3
第五部分 投资组合管理、分析与优化
第9 章 不确定性下的多周期投资组合选择:一种基于交互的方法
引言
模型
模拟结果
选择的一致性
讨论
结论
附录:部分伪码
第10章 运用多目标遗传算法应对投资组合选择中的模型风险
引言
投资组合优化与现代投资组合理论
模型风险的概念
用于组合优化的MOGA
投资组合的夏普比率误差
股票预测模型
实验
实证结果与分析
结论
第11章 线性回归与模糊线性回归:在共同基金经理绩效评估中有何区别
引言
方法论
数据集描述
实证应用
结论与未来展望
內容試閱 :
前言
本书以人工智能(Artificial Intelligence,AI)为关注点,提供了大量AI 应用于金融领域的案例。由于人工智能在金融领域的广泛应用和迅速发展,本书作为“量化交易与投资的新发展”系列丛书的本由帕尔格雷夫?麦克米兰出版社出版。这一系列丛书的目标受众广泛,包括学者和专业金融分析师等。本书的目标读者是对预测、建模、交易、风险管理、经济学、信用风险和投资组合管理感兴趣的人。我们希望通过提供AI 在不同金融领域的实证应用,帮助那些正在寻找、前沿AI 技术的学者和从业者。本书旨在为不同的市场和资产类别提供多种应用。此外,我们查找了大量的文献后发现,介绍将人工智能应用于不同的金融领域或广泛的市场和产品的文献很少。
本书分为四个部分,每个部分都汇集了AI 领域的专家们的智慧,这些都是的原创和未公开发表的内容。由于作者都是世界各地的老师和教授,所以文学硕士、理学硕士和工商管理硕士都可以从这些内容中找到可以借鉴的东西。此外,对于专业的金融预测专家而言,本书中关于AI 的全面、可操作和的洞察也是无可匹敌的。为了让读者有机会亲自应用这些技术,本书还摘录了一些编程代码。
本书作者至少在三个方面超越了现有的文献:,我们加入了AI 在时间序列模型、经济学、信用和投资组合管理这四个不同金融领域中的实证应用;第二,我们运用的技术和方法非常广泛,涵盖了AI 的所有领域;第三,在每一章中,我们不仅调查了来自不同市场和资产类别的不同数据,而且调查了不同频次的数据,包括每天的、每月的数据以及宏观经济变量,甚至不同来源的文本数据。我们认为,本书介绍的内容非常翔实和实用,同时也挑战了现有金融机构和其他行业仍在使用的传统模式和技术。要特别强调的是,后者非常重要,因为本书介绍的所有应用都清楚地展示了应用AI 来建模时间序列、提高政府决策能力、评估信用评级、选股和优化投资组合的优势。
本书的主要内容
部分
在引言之后,部分重点介绍了各种时间序列,包括商品价差、股票和交易所交易基金。这一部分主要关注的是AI 方法在建模、预测和交易多种金融工具方面的应用。AI 方法包括人工神经网络(artificial neural networks,ANN)、启发式优化算法(heuristic optimization algorithms)和混合技术。这部分内容提供了金融时间序列分析应用于预测和交易的进展。我们通过对文献的回顾发现,现有的方法要么过时了,要么范围有限,因为它们每次只关注一个特定的资产类别。而且,大多数文献都只关注对外汇和股票的预测。例如,王(Wang)等人对应用基于小波去噪(wavelet denoising)方法的反向传播神经网络(back propagation neural network,BPNN)预测上海证券综合指数进行了研究和分析。这种神经网络的性能是以传统的反向传播神经网络为基准的。目前,由于AI 领域的迅速发展,其他研究大多数都被认为是多余的。例如,齐里利(Zirilli)曾经对神经网络在金融市场预测中的实际应用进行了研究,然而当预测金融变量时,他使用的技术就不再有效了。这是因为数据越来越容易获得,输入数据集也越来越丰富,这就使捕捉输入数据集和目标变量之间的关系的方法变得更准确。因此,对于的研究和技术革新而言,这种方法已过时了。
尽管很多期刊都刊载了关于将AI 应用于各类资产的论文,但我们并没有发现关注AI,特别是其在金融工具和市场中的实证应用的书籍。因此,我们认为用整个章节专门介绍时间序列建模、预测和交易是完全合理的。
第二部分
第二部分侧重于将经济学作为一门更广泛的学科,包括经济变量的预测和行为经济学,其中还提供了宏观和微观经济分析。本部分的目的是为读者展示AI在经济建模领域的应用及其作为一种提高企业和政府层面决策能力的方法的案例。现有的各种研究都侧重于基于主体的模拟,例如,莱特纳(Leitner)和沃尔(Wall)使用基于主体的模拟来研究经济和社会体系,泰廖(Teglio)等人也关注于依赖计算机模拟的社会和经济模型,以对复杂的经济和社会现象进行建模和研究。奥新加(Osinga)等人近发表的另一篇论文也利用基于主体的建模来捕获经济变量之间的复杂关系。尽管这个部分只提供了一个实证应用,但是我们认为,要证明AI 的优势,尤其是“商业智能”,还有很长的路要走。
由于我们在经济建模领域进行了广泛研究,很显然,第二部分也应专门讨论这方面的内容。事实上,鉴于这是近期的热点,我们预计本书的第二部分会引起很多人的注意。
第三部分
第三部分重点分析了信用和公司结构建模。这可以帮助读者了解在需要做出投资决策时,AI 在评