人工智能與金融科技：基于動態(tài)洞察和量化配置的智能投顧

引言
第1章 智能投顧的發(fā)展與研究
1.1 研究背景與意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外發(fā)展現(xiàn)狀
1.2.1 國外智能投顧的發(fā)展現(xiàn)狀
1.2.2 國內(nèi)智能投顧的發(fā)展現(xiàn)狀
1.3 研究內(nèi)容與技術(shù)路線
1.3.1 用戶動態(tài)洞察建模與分析
1.3.2 投資組合量化匹配建模與分析
1.3.3 資產(chǎn)智能動態(tài)再平衡建模
與分析
第2章 智能投顧的基礎(chǔ)理論及文獻回顧
2.1 用戶效用及決策的相關(guān)理論回顧
2.1.1 期望效用及前景理論回顧
2.1.2 決策場理論回顧
2.2 資產(chǎn)配置的經(jīng)典理論
2.2.1 投資組合理論
2.2.2 CAPM資產(chǎn)定價模型
2.2.3 Black-Litterman模型
2.3 機器學習的相關(guān)理論
2.3.1 邏輯回歸
2.3.2 支持向量機
2.3.3 決策樹學習
2.3.4 人工神經(jīng)網(wǎng)絡(luò)
2.3.5 分層貝葉斯
2.3.6 最優(yōu)化的相關(guān)理論
2.4 智能投顧文獻回顧
2.4.1 國外相關(guān)文獻回顧
2.4.2 國內(nèi)相關(guān)文獻回顧
2.5 本章小結(jié)
第3章 智能投顧用戶端大數(shù)據(jù)動態(tài)洞察模型
3.1 用戶動態(tài)洞察評價模型建立
3.1.1 用戶動態(tài)洞察影響因素分析
3.1.2 用戶動態(tài)洞察體系架構(gòu)設(shè)計
3.2 用戶動態(tài)洞察模型建模與分析
3.2.1 用戶動態(tài)洞察評價方法選擇
3.2.2 用戶特征的動態(tài)模糊評價建模
3.2.3 用戶動態(tài)洞察的綜合評價模型
3.3 本章小結(jié)
第4章 智能投顧用戶與資產(chǎn)的算法匹配方法
4.1 基于動態(tài)洞察中投資資金運用場景μ的投資匹配模型
4.2 基于動態(tài)洞察中主觀風險偏好λ的累積前景理論匹配模型
4.3 基于動態(tài)洞察中客觀風險承受D的最大回撤模型
4.4 基于分層貝葉斯模型的綜合投資匹配優(yōu)化模型
4.5 匹配優(yōu)化模型求解
4.6 本章小結(jié)
第5章 智能投顧資產(chǎn)端大類資產(chǎn)量化配置模型
5.1 傳統(tǒng)資產(chǎn)動態(tài)再平衡理論
5.1.1 美林投資時鐘理論的不足
5.1.2 馬科維茨模型資產(chǎn)再平衡理論的不足
5.2 資產(chǎn)動態(tài)再平衡影響因素
5.3 考慮多條件約束下的資產(chǎn)動態(tài)再平衡模型
5.4 資產(chǎn)動態(tài)再平衡模型的求解
5.5 本章小結(jié)
第6章 總結(jié)與展望
6.1 總結(jié)
6.2 主要創(chuàng)新點
6.3 進一步研究展望
參考文獻
后記