《機器學習典型技術在金融風險研究領域中的套用》是中國金融出版社出版的圖書，作者田浩。
基本介紹
- 中文名：機器學習典型技術在金融風險研究領域中的套用
- 作者：田浩
- 出版社：中國金融出版社
- 出版時間：2022年12月1日
- 開本：16 開
- ISBN：9787522018324
內容簡介,圖書目錄,作者簡介,
內容簡介
本書系統探討了網際網路、人工智慧高速發展時代背景下，機器學習技術在金融風險研究領域中的套用情況。首先介紹機器學習的基本原理，包括決策樹、聚類、貝葉斯分類、支持向量機、EM、Adaboost等傳統方法。其次以學習方法為切入點，結合金融風險研究領域中的實例，重點介紹與對比監督學習（如分類問題）、無監督學習（如聚類問題）、半監督學習、集成學習、深度學習和強化學習等典型機器學習算法與技術的原理特點及其套用場景。最後分析遷移學習等下一波機器學習技術在金融風險研究領域中的套用前景。
圖書目錄
第1 章 機器學習技術概述
1. 1 機器學習的定義 3
1. 2 機器學習的發展歷程 5
1. 3 機器學習的主要概念 7
1. 3. 1 協同過濾 7
1. 3. 2 監督學習、半監督學習與非監督學習 9
1. 3. 3 聚類 10
1. 3. 4 卷積 11
1. 3. 5 神經網路 15
1. 3. 6 過擬合和欠擬合 16
1. 4 機器學習的基本要素 17
1. 4. 1 模型 17
1. 4. 2 學習準則 18
1. 4. 3 最佳化算法 21
1. 5 本章小結 22
第2 章 偏好建模與金融風險偏好
2. 1 風險偏好的概念內涵 25
2. 2 風險偏好的研究現狀 26
2. 2. 1 基於指標選取的偏好建模 26
2. 2. 2 基於問卷量表的偏好建模 30
2. 2. 3 基於變數設計的偏好建模 34
2. 3 通用偏好建模方法概述 38
2. 4 基於本體與偏好構造函式的混合偏好模型 41
2. 4. 1 本體技術 41
2. 4. 2 金融本體構建 43
2. 4. 3 偏好構造函式 44
2. 4. 4 模型的形式化 49
2. 5 本章小結 58
第3 章 聚類及其在金融風險研究中的套用
3. 1 聚類性能度量指標 63
3. 1. 1 外部指標 64
3. 1. 2 內部指標 65
3. 2 典型的聚類算法 68
3. 2. 1 劃分式聚類 68
3. 2. 2 基於密度的聚類 75
3. 2. 3 層次化聚類 81
3. 3 聚類在金融風險中的研究現狀 87
3. 3. 1 傳統聚類算法的套用 87
3. 3. 2 新型聚類算法的套用 90
3. 4 基於隱式偏好子模型的聚類方法 94
3. 4. 1 聚類的依據及度量 94
3. 4. 2 剪枝策略 96
3. 5 本章小結 100
第4 章 金融風險研究中的信任關係
4. 1 信任的內涵 103
4. 2 金融風險中的信任研究 105
4. 2. 1 信任的特徵及衡量 105
4. 2. 2 信任在風險承受或風險感知中的作用 110
4. 2. 3 信任受金融危機或風險的影響 115
4. 3 基於典型影響因素的信任建模 118
4. 3. 1 信任關係的影響因素 118
4. 3. 2 信任關係建模 121
4. 4 本章小結 128
第5 章 支持向量機與金融風險研究
5. 1 支持向量機的原理和概念 131
5. 1. 1 支持向量建模 131
5. 1. 2 SVM 最最佳化 134
5. 1. 3 軟間隔SVM 136
5. 1. 4 核函式 137
5. 1. 5 支持向量機的特點 141
5. 2 SVM 在金融風險中的研究現狀 142
5. 2. 1 風險預警 142
5. 2. 2 風險評估 146
5. 2. 3 金融時間序列預測 149
5. 2. 4 財務困境預測 151
5. 3 基於準線性核支持向量機的一類分類 153
5. 3. 1 方法原理 153
5. 3. 2 實驗方法 155
5. 3. 3 數值實驗工具及數據集 159
5. 3. 4 實驗結果 160
5. 3. 5 實驗總結 166
5. 4 本章小結 166
第6 章 集成學習及其在金融風險研究中的套用
6. 1 集成學習的原理 169
6. 2 典型的集成算法 170
6. 2. 1 AdaBoost 170
6. 2. 2 隨機森林 175
6. 2. 3 梯度提升樹 179
6. 3 集成學習在金融風險中的研究現狀 183
6. 3. 1 時序分析及股價預測 183
6. 3. 2 風險控制/ 風險投資 186
6. 3. 3 量化投資及選股 188
6. 3. 4 個人信貸評估 192
6. 4 實例套用 196
6. 4. 1 實例簡介 196
6. 4. 2 實驗數據 197
6. 4. 3 實驗方法 201
6. 4. 4 實驗過程 204
6. 4. 5 實驗結果 205
6. 5 本章小結 211
第7 章 成分分析及其在金融風險研究中的套用
7. 1 典型的成分分析算法 215
7. 1. 1 主成分分析 215
7. 1. 2 因子分析 222
7. 1. 3 獨立成分分析 224
7. 2 成分分析算法在金融風險中的研究現狀 226
7. 2. 1 市場波動分析 226
7. 2. 2 投資組合分析 228
7. 2. 3 財務風險分析 229
7. 2. 4 金融時序分析 231
7. 2. 5 金融發展水平分析 233
7. 3 實例套用 235
7. 3. 1 實例簡介 235
7. 3. 2 實驗數據 236
7. 3. 3 實驗方法 238
7. 3. 4 實驗結果 241
7. 4 本章小結 242
第8 章 總結與展望
8. 1 研究總結 245
8. 2 研究展望 247
參考文獻
後記
作者簡介
田浩，工學博士，湖北經濟學院教授，碩士生導師，日本早稻田大學訪問學者。研究方向為智慧型計算、金融科技。近年來主持省部級科研教研項目6項，出版學術專著1部，在國內外權威及核心刊物上公開發表學術論文30餘篇，其中SCI、EI收錄10餘篇。
