基于機(jī)器學(xué)習(xí)的量化投資建模研究

定　價(jià)：￥88.00

作　者：	賀毅岳著
出版社：	中國(guó)經(jīng)濟(jì)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787513666602	出版時(shí)間：	2021-10-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	284	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　基于機(jī)器學(xué)習(xí)的量化投資建模是金融科技和量化投資研究的新熱點(diǎn)。以深度強(qiáng)化學(xué)習(xí)為標(biāo)志的機(jī)器學(xué)習(xí)取得突破性進(jìn)展，激起了金融投資領(lǐng)域開(kāi)展人工智能與機(jī)器學(xué)習(xí)研究的熱潮。如何將前沿的機(jī)器學(xué)習(xí)方法深度應(yīng)用于金融數(shù)據(jù)建模與量化投資研究中，進(jìn)而提出新的主動(dòng)型量化投資模型與方法，是一項(xiàng)極具吸引力和挑戰(zhàn)性的研究。本書(shū)從機(jī)器學(xué)習(xí)與金融投資交叉的視角，運(yùn)用人工智能與機(jī)器學(xué)習(xí)領(lǐng)域的多種前沿方法，深入研究量化投資研究與實(shí)務(wù)中涉及到的重要建模問(wèn)題，主要包括股票價(jià)格與市場(chǎng)指數(shù)的預(yù)測(cè)建模、行業(yè)板塊指數(shù)互動(dòng)關(guān)系建模、量化選股與擇時(shí)策略建模以及高頻算法交易策略設(shè)計(jì)等方面。本書(shū)可作為量化投資研究者和從業(yè)者的參考書(shū)籍。

作者簡(jiǎn)介

　　賀毅岳，計(jì)算機(jī)科學(xué)與技術(shù)博士，應(yīng)用經(jīng)濟(jì)學(xué)（金融學(xué)）博士后，西北大學(xué)經(jīng)濟(jì)管理學(xué)院副教授、碩士生導(dǎo)師，信息管理與信息系統(tǒng)系黨支部書(shū)記；兼任陜西省金融學(xué)會(huì)金融科技專(zhuān)業(yè)委員會(huì)委員，中國(guó)計(jì)算機(jī)學(xué)會(huì)CCF專(zhuān)業(yè)會(huì)員；《計(jì)算機(jī)學(xué)報(bào)》、《統(tǒng)計(jì)與信息論壇》、《西安電子科技大學(xué)學(xué)報(bào)（自然科學(xué)版）》等核心期刊審稿人。主要從事智能投資模型與方法、金融風(fēng)險(xiǎn)智能管理、智能普惠金融、人工智能與機(jī)器學(xué)習(xí)等方面的研究。以第一作者（通訊作者）在《運(yùn)籌與管理》、《統(tǒng)計(jì)與信息論壇》、《西安交通大學(xué)學(xué)報(bào)》等國(guó)內(nèi)外核心期刊和國(guó)際學(xué)術(shù)會(huì)議上公開(kāi)發(fā)表學(xué)術(shù)論文23篇，其中EI檢索7篇，授權(quán)國(guó)家發(fā)明專(zhuān)利1項(xiàng)；在《電子學(xué)報(bào)》、《自動(dòng)化學(xué)報(bào)》、《統(tǒng)計(jì)與決策》等權(quán)威、核心和重要期刊上合作發(fā)表學(xué)術(shù)論文21篇，其中EI檢索6篇，合作申請(qǐng)并授權(quán)國(guó)家發(fā)明專(zhuān)利4項(xiàng)；主持（完成）教育部人文社科青年項(xiàng)目、中國(guó)博士后科學(xué)基金面上項(xiàng)目、陜西省自然科學(xué)基金青年項(xiàng)目、西安市社會(huì)科學(xué)規(guī)劃基金項(xiàng)目、陜西省教育廳科研專(zhuān)項(xiàng)等多個(gè)項(xiàng)目；作為主要申請(qǐng)人參與國(guó)家863項(xiàng)目1項(xiàng)、973研究項(xiàng)目1項(xiàng)、國(guó)家自然科學(xué)基金4項(xiàng)，省部級(jí)科研項(xiàng)目6項(xiàng)；作為參與人獲得陜西省科技進(jìn)步二等獎(jiǎng)1項(xiàng)。

圖書(shū)目錄

1緒論11研究背景及意義
111研究背景
112研究意義
12國(guó)內(nèi)外研究現(xiàn)狀綜述
121量化擇時(shí)與金融預(yù)測(cè)
122日內(nèi)交易量分布預(yù)測(cè)
123深度強(qiáng)化學(xué)習(xí)及其在金融領(lǐng)域的應(yīng)用
13研究目標(biāo)及內(nèi)容
14研究思路及框架
15研究特色與創(chuàng)新點(diǎn)
16本書(shū)的結(jié)構(gòu)安排

2量化投資建模的機(jī)器學(xué)習(xí)理論基礎(chǔ)21經(jīng)驗(yàn)?zāi)B(tài)分解及其改進(jìn)方法
211EMD方法原理
212集合經(jīng)驗(yàn)?zāi)B(tài)分解EEMD的原理
213CEEMDAN分解原理
214IMF重組方法
22多元經(jīng)驗(yàn)?zāi)B(tài)分解與數(shù)據(jù)重構(gòu)
221MEMD方法原理
222基于MEMD的多元序列數(shù)據(jù)重構(gòu)
23最大信息系數(shù)MIC
24ε-不敏感的支持向量回歸模型
25關(guān)聯(lián)規(guī)則挖掘之Apriori算法
26LSTM網(wǎng)絡(luò)結(jié)構(gòu)與工作原理
261循環(huán)神經(jīng)網(wǎng)絡(luò)
262長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)
263LSTM與RNN的區(qū)別
27小結(jié)

3基于機(jī)器學(xué)習(xí)的股票價(jià)格與交易量預(yù)測(cè)建模31股票價(jià)格預(yù)測(cè)方法概述
311已有預(yù)測(cè)方法的局限性分析
312信號(hào)處理與機(jī)器學(xué)習(xí)結(jié)合的集成預(yù)測(cè)方法優(yōu)勢(shì)分析
32EMD分解下基于SVR的股票價(jià)格集成預(yù)測(cè)
321引言及文獻(xiàn)綜述
322EMD-SVRF處理流程概述
323股票指數(shù)收益率序列的EMD分解
324IMF和趨勢(shì)項(xiàng)的SVR預(yù)測(cè)建模
325實(shí)驗(yàn)結(jié)果分析
326結(jié)論
33遺傳算法改進(jìn)的EMD-SVR股票指數(shù)預(yù)測(cè)建模
331引言及文獻(xiàn)綜述
332IMFi-SVR模型
333EMD-GA-SVR模型
334對(duì)比實(shí)驗(yàn)及結(jié)果分析
335結(jié)論
34基于EEMD-SVR的股票指數(shù)預(yù)測(cè)建模
341引言及文獻(xiàn)綜述
342滬深300指數(shù)預(yù)測(cè)建模
343與已有預(yù)測(cè)方法的對(duì)比分析
344結(jié)論
35基于CEEMDAN-LSTM的股票指數(shù)預(yù)測(cè)建模
351引言
352文獻(xiàn)綜述
353面向市場(chǎng)指數(shù)預(yù)測(cè)的CEEMDAN-LSTM建模思路
354CEEMDAN-LSTM模型構(gòu)建過(guò)程
355與已有指數(shù)預(yù)測(cè)方法的對(duì)比驗(yàn)證分析
356結(jié)論
36基于M-LSTM的股票指數(shù)日內(nèi)交易量分布預(yù)測(cè)
361交易量分布預(yù)測(cè)的意義與方法概述
362基于注意力機(jī)制的LSTM模型結(jié)構(gòu)
363日內(nèi)交易量預(yù)測(cè)模型M-LSTM的構(gòu)建
364對(duì)比實(shí)驗(yàn)及結(jié)果分析
365結(jié)論
37小結(jié)

4基于機(jī)器學(xué)習(xí)預(yù)測(cè)的股市指數(shù)量化擇時(shí)研究41股票指數(shù)量化投資概述
42基于低頻分量EEMD-SVR建模的CSI 300量化擇時(shí)
策略
421引言及文獻(xiàn)綜述
422指數(shù)低頻分量的預(yù)測(cè)建模
423滬深300指數(shù)擇時(shí)策略構(gòu)建及評(píng)估
424結(jié)論
43基于CEEMDAN-LSTM的指數(shù)擇時(shí)策略研究
431策略構(gòu)建的邏輯
432模擬交易過(guò)程中的參數(shù)說(shuō)明
433對(duì)照組策略的設(shè)計(jì)
434策略仿真交易回測(cè)結(jié)果分析
435策略的進(jìn)一步優(yōu)化處理
436結(jié)論
44基于小波低頻分量的量化擇時(shí)策略
441引言及文獻(xiàn)綜述
442小波包變換的理論基礎(chǔ)
443運(yùn)用小波包非線(xiàn)性閾值消噪
444基于小波低頻分量的量化擇時(shí)策略構(gòu)建
445結(jié)論及展望
45小結(jié)

5股票行業(yè)互動(dòng)關(guān)系建模及擇時(shí)策略研究51行業(yè)互動(dòng)關(guān)系建模的理論分析
511行業(yè)聯(lián)動(dòng)關(guān)系的理論分析
512行業(yè)輪動(dòng)關(guān)系的理論分析
52MEMD-Apriori行業(yè)輪動(dòng)分析及策略實(shí)現(xiàn)
521行業(yè)輪動(dòng)分析及策略構(gòu)建流程
522建模過(guò)程中行業(yè)數(shù)據(jù)的選取
523行業(yè)指數(shù)數(shù)據(jù)的MEMD分解及去噪
524行業(yè)指數(shù)的MIC相關(guān)性分析
525行業(yè)指數(shù)漲跌分類(lèi)的Apriori預(yù)測(cè)建模
526基于MEMD-Apriori的擇時(shí)策略設(shè)計(jì)與實(shí)現(xiàn)
53申萬(wàn)一級(jí)行業(yè)MEMD-SVC擇時(shí)策略的設(shè)計(jì)與實(shí)現(xiàn)
531MEMD-SVC指數(shù)漲跌分類(lèi)預(yù)測(cè)建模的思路及流程
532基于MEMD-SVC的指數(shù)分類(lèi)預(yù)測(cè)建模及優(yōu)化
533與已有指數(shù)分類(lèi)建模方法的對(duì)比分析
534基于MEMD-SVC分類(lèi)預(yù)測(cè)的擇時(shí)策略設(shè)計(jì)思路
535擇時(shí)策略的仿真回測(cè)
536與已有分類(lèi)預(yù)測(cè)擇時(shí)策略的對(duì)比分析
54小結(jié)

6基于深度強(qiáng)化學(xué)習(xí)的在線(xiàn)最優(yōu)投資組合構(gòu)建研究61最優(yōu)投資組合構(gòu)建難點(diǎn)與機(jī)器學(xué)習(xí)方法優(yōu)勢(shì)分析
62深度強(qiáng)化學(xué)習(xí)在金融領(lǐng)域應(yīng)用研究概述
621強(qiáng)化學(xué)習(xí)文獻(xiàn)綜述
622深度強(qiáng)化學(xué)習(xí)文獻(xiàn)綜述
63深度強(qiáng)化學(xué)習(xí)的理論基礎(chǔ)
631深度學(xué)習(xí)理論基礎(chǔ)
632強(qiáng)化學(xué)習(xí)理論基礎(chǔ)
633深度強(qiáng)化學(xué)習(xí)的理論基礎(chǔ)
634DDPG理論基礎(chǔ)
64基于DDPG的自動(dòng)化投資組合模型構(gòu)建
641模型交易的基本設(shè)置
642狀態(tài)值
643動(dòng)作
644獎(jiǎng)勵(lì)
645網(wǎng)絡(luò)結(jié)構(gòu)
65DDPG算法實(shí)現(xiàn)及實(shí)驗(yàn)結(jié)果分析
651DDPG算法運(yùn)行模式
652實(shí)驗(yàn)結(jié)果分析
66小結(jié)

7總結(jié)與展望71研究總結(jié)
72研究展望

參考文獻(xiàn)
博士后期間的科研成果
后記