《機器學習在量化投資中的套用研究》是2014年11月電子工業出版社出版的圖書，作者是湯凌冰。
基本介紹
- 中文名：機器學習在量化投資中的套用研究
- 作者：湯凌冰
- 出版社：電子工業出版社
- 出版時間：2014年11月
- 頁數：176 頁
- 定價：59 元
- 開本：16 開
- ISBN：9787121244940
內容簡介,編輯推薦,目錄,
內容簡介
《機器學習在量化投資中的套用研究書名》是國內少有的研究機器學習在量化投資中套用的專著。主要運用多層感知器神經網路、廣義自回歸神經網路、模糊神經網路與支持向量機對證券時間序列進行回歸分析。特別是在支持向量機框架下構造了小波、流形小波與樣條小波三種核函式，並在此基礎上建立了股指收益與波動預測兩類新的量化投資模型。與經典高斯核相比，具備多分辨分析特性的新模型能較好地捕捉曲線性狀，各預測指標在模擬數據與真實數據上均占優，表明其具有良好的適用性與有效性。
編輯推薦
本書是國內少有的研究機器學習在量化投資中套用的專著。主要運用多層感知器神經網路、廣義自回歸神經網路、模糊神經網路與支持向量機對證券時間序列進行回歸分析。特別是在支持向量機框架下構造了小波、流形小波與樣條小波三種核函式，並在此基礎上建立了股指收益與波動預測兩類新的量化投資模型。本書可供計算機、信息管理與金融類專業高年級本科生與研究生使用，也可供從事機器學習技術與套用研究的科研人員、金融市場數據分析人員以及機器學習軟體開發人員參考。
目錄
第1章 緒論 1
1.1 背景與意義 1
1.2 國內外研究現狀 3
1.2.1 金融時間序列方法 3
1.2.2 機器學習方法 6
1.2.3 小波與流形方法 10
1.3 本書主要內容與邏輯結構 15
1.3.1 內容安排 15
1.3.2 邏輯結構 17
第2章 統計學習與機器學習 19
2.1 計算學習理論 19
2.1.1 學習問題表述 19
2.1.2 統計學習理論 21
2.1.3 可能近似正確學習模型 22
2.2 神經網路模型 23
2.2.1 多層感知器神經網路模型 23
2.2.2 廣義回歸神經網路模型 26
2.3 支持向量機理論 28
2.3.1 線性支持向量分類機 29
2.3.2 非線性支持向量分類機 31
2.3.3 支持向量回歸機 33
2.4 本章小結 34
第3章 基於模糊神經網路的股票預測模型分析 35
3.1 引言 35
3.2 模糊神經網路模型研究 36
3.2.1 模糊邏輯推理系統結構 36
3.2.2 模糊神經網路分類器 37
3.2.3 模糊神經網路回歸機 38
3.3 基於模糊神經網路的股票預測 40
3.3.1 模糊神經網路設計 40
3.3.2 實驗結果與分析 42
3.4 本章小結 43
第4章 基於高斯核支持向量機的股票預測模型分析 44
4.1 引言 44
4.2 核函式研究 45
4.2.1 核的構造條件 45
4.2.2 核的構造原則 46
4.2.3 核的主要類型 49
4.3 基於高斯核支持向量機的股票預測 52
4.3.1 數據處理與性能指標 52
4.3.2 實驗結果與分析 53
4.4 本章小結 57
第5章 基於小波支持向量機的股票收益模型分析 58
5.1 引言 58
5.2 股票收益的理論研究 59
5.2.1 有效市場假說與布朗運動模型 59
5.2.3 Hurst指數與重標極差分析 62
5.2.4 混沌動力學模型與Lyapunov指數 64
5.3 基於小波支持向量機的收益模型 65
5.3.1 小波變換與多分辨分析 66
5.3.2 小波核構造與證明 68
5.3.3 實驗結果與分析 70
5.4 本章小結 77
第6章 基於小波支持向量機的波動模型分析 79
6.1 引言 79
6.2 波動率模型研究 79
6.2.1 ARCH模型 80
6.2.2 GARCH模型 81
6.2.3 隨機波動SV模型 82
6.3 基於小波支持向量機的GARCH模型 84
6.3.1 仿真實驗 84
6.3.2 真實數據集實驗 86
6.4 本章小結 95
第7章 基於流形小波核的收益序列分析 96
7.1 引言 96
7.2 微分幾何基本理論 96
7.3 核函式的幾何解釋 100
7.4 構造融合先驗知識的流形小波核 101
7.5 實驗結果與分析 102
7.6 本章小結 107
第8章 基於樣條小波核的波動序列分析 108
8.1 引言 108
8.2 樣條小波模型研究 108
8.3 樣條空間與函式 110
8.3.1 樣條函式空間 110
8.3.2 B樣條函式定義與性質 112
8.4 樣條小波核構造與證明 113
8.5 實驗結果與分析 115
8.6 本章小結 119
第9章 結論與展望 120
9.1 本書主要貢獻 120
9.2 後續研究展望 122
附錄A 微積分 124
A.1 基本定義 124
A.2 梯度和Hesse矩陣 126
A.3 方嚮導數 126
A.4 Taylor展開式 128
A.5 分離定理 129
附錄B Hilbert空間 131
B.1 向量空間 131
B.2 內積空間 134
B.3 Hilbert空間 136
B.4 運算元、特徵值和特徵向量 138
附錄C 專題研究期間學術論文與科研項目 140
後記 143
參考文獻 144
