機器學習與資產(chǎn)定價

定　價：￥100.00

作　者：	[美] Stefan Nagel 著，王熙，石川譯
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121434365	出版時間：	2022-07-01	包裝：	精裝
開本：	32開	頁數(shù)：	248	字數(shù)：

內(nèi)容簡介

　　本書從資產(chǎn)定價的核心問題出發(fā)，前沿而體系化地討論了如何通過經(jīng)濟學推理將機器學習方法引入實證和理論資產(chǎn)定價研究之中，從而有效解決機器學習應(yīng)用在資產(chǎn)定價中所面臨的挑戰(zhàn)，搭建了研究機器學習與資產(chǎn)定價的橋梁。為提升閱讀體驗，幫助讀者充分理解書中內(nèi)容，譯者王熙教授與石川博士在行文中加入了精彩豐富的譯者注，給原著提供必要的背景知識，從而幫助讀者更好地掌握書中的行文邏輯。其中，為本書補充的諸多公式推導過程也能幫助讀者加深對貝葉斯統(tǒng)計框架的理解。

作者簡介

　　作者簡介 Stefan Nagel 芝加哥大學布斯商學院Fama Family Distinguished Service金融學教授。他是Journal of Finance的執(zhí)行主編，以及美國國家經(jīng)濟研究局（NBER）、歐洲經(jīng)濟政策研究中心（CEPR）和慕尼黑經(jīng)濟研究中心（CESIfo）的研究員。譯者簡介王熙北京大學經(jīng)濟學院研究員、助理教授、博士生導師；北京大學大數(shù)據(jù)分析與應(yīng)用技術(shù)國家工程實驗室研究員；武漢大學學士，圣路易斯華盛頓大學碩士、博士；主要研究方向為資產(chǎn)定價、宏觀金融以及強化學習與機器學習的交叉學科應(yīng)用。石川北京量信投資管理有限公司創(chuàng)始合伙人；清華大學學士、碩士，麻省理工學院博士；因子投資中文版首著《因子投資：方法與實踐》領(lǐng)銜作者；知名期刊Computers in Industry編委會委員；曾就職于Citigroup、Oracle及P&G。石川博士精通統(tǒng)計建模方法，擅長以金融數(shù)學分析為手段進行資產(chǎn)配置、風險管理、量化多因子模型以及衍生品CTA策略的開發(fā)。其主理的量化投資公眾號“川總寫量化”受到了學界和業(yè)界的高度認可。

圖書目錄

目錄
第1章引言 1
1.1 實證資產(chǎn)定價中的特設(shè)稀疏性假設(shè)
1.2 理論資產(chǎn)定價中的特設(shè)稀疏性假設(shè)
1.3 機器學習
1.4 術(shù)語
1.5 監(jiān)督學習和無監(jiān)督學習
1.6 本書的局限性
1.7 本書的結(jié)構(gòu)
第2章監(jiān)督學習 16
2.1 將監(jiān)督學習視為函數(shù)逼近問題
2.2 回歸方法
2.2.1 線性方法：嶺回歸和Lasso
2.2.2 樹方法和隨機森林
2.2.3 神經(jīng)網(wǎng)絡(luò)
2.3 超參數(shù)調(diào)優(yōu)
2.4 貝葉斯解釋
第3章資產(chǎn)定價中的監(jiān)督學習 46
3.1 例子：截面股票收益率預(yù)測
3.2 預(yù)測性能評價
3.3 正則化與投資表現(xiàn)
3.4 預(yù)期收益率與協(xié)方差的關(guān)聯(lián)
3.5 通過構(gòu)建投資組合估計協(xié)方差矩陣
3.6 非線性
3.7 稀疏性
3.8 結(jié)構(gòu)性變化
3.9 結(jié)束語
第4章機器學習與截面資產(chǎn)定價 97
4.1 基于公司特征因子的資產(chǎn)定價
4.2 監(jiān)督學習視角
4.2.1 收縮估計量
4.2.2 稀疏性
4.2.3 數(shù)據(jù)驅(qū)動的超參選擇
4.3 實證分析
4.3.1 50 個異象特征的實證結(jié)果
4.3.2 WRDS 財務(wù)比例的實證結(jié)果
4.3.3 特征之間的交互作用
4.4 樣本外資產(chǎn)定價檢驗
4.5 相關(guān)最新研究
4.6 結(jié)束語
第5章投資者信念形成的機器學習模型 142
5.1 資產(chǎn)市場
5.1.1 投資者
5.1.2 定價
5.1.3 基于計量經(jīng)濟學的觀測者視角
5.2 投資者學習
5.2.1 OLS 學習
5.2.2 帶有信息先驗的貝葉斯學習
5.3 收益率可預(yù)測性
5.3.1 樣本內(nèi)收益率可預(yù)測性
5.3.2 （不存在）樣本外收益率可預(yù)測性
5.4 擴展研究
5.4.1 稀疏性
5.4.2 額外的收縮和稀疏性
5.5 對實證研究的啟示
5.6 結(jié)束語
第6章研究議程 180
6.1 描述投資機會的特征
6.1.1 機器學習的經(jīng)濟學約束
6.1.2 非線性
6.1.3 結(jié)構(gòu)性變化
6.2 資產(chǎn)需求分析
6.2.1 需求系統(tǒng)估計
6.2.2 預(yù)期的形成
6.3 機器學習的理論應(yīng)用
6.3.1 有限理性
6.3.2 投資者的異質(zhì)性
6.4 結(jié)束語
附錄A 部分公式推導 201
參考文獻 210
索引 217