機器學習與股票擇時

定　價：￥45.00

作　者：	邱月
出版社：	首都經(jīng)濟貿(mào)易大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787563832989	出版時間：	2022-08-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　隨著計算機技術在運算能力、數(shù)據(jù)存儲等方面的快速發(fā)展，傳統(tǒng)股票投資方法的弊端被不斷放大，新興的量化投資方法受到人們的廣泛關注，依賴計算機技術的機器學習算法越來越多的應用在股票研究領域之中。支持向量機、K緊鄰、遺傳算法等多種機器學習算法都被成功應用于量化投資領域，本書改進了FA算法的動態(tài)搜索能力，將MFA算法應用于變量的選取及參數(shù)尋優(yōu)，系統(tǒng)地構建了基于MFA-SVM的量化擇時模型；針對傳統(tǒng)神經(jīng)網(wǎng)絡層數(shù)不足等局限性，提出一種適用于股票擇時問題的混合CNN-RNN模型，由一維CNN模塊（卷積層和池化層）、RNN模塊（雙層LSTM和雙層GRU）、ReLU激活函數(shù)層組成，并進行了實證研究，為相關學者后續(xù)研究提供了新思路和新方法。本書可供信息管理與金融類專業(yè)高年級本科生與研究生使用，也可供從事機器學習技術與應用研究的科研人員、金融市場數(shù)據(jù)分析人員以及機器學習軟件開發(fā)人員參考。.

作者簡介

　　2008年畢業(yè)于北京航空航天大學系統(tǒng)工程專業(yè)，獲工學博士學位?，F(xiàn)為首都經(jīng)濟貿(mào)易大學管理工程學院院長助理。研究領域為量化金融、機器學習、風險管理等；主持或參與項目16項；發(fā)表SCI、EI等高水平學術論文30余篇。

圖書目錄

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研究現(xiàn)狀
1.2.1國內(nèi)研究現(xiàn)狀
1.2.2國外研究現(xiàn)狀
1.3主要貢獻
1.3.1在運用機器學習算法方面的主要貢獻
1.3.2在運用深度學習算法方面的主要貢獻
2理論基礎
2.1量化擇時
2.1.1擇時策略
2.1.2策略類型
2.1.3市場有效性理論
2.1.4技術指標
2.2支持向量機
2.2.1線性支持向量機
2.2.2非線性支持向量機
2.3深度學習和神經(jīng)網(wǎng)絡
2.3.1卷積神經(jīng)網(wǎng)絡
2.3.2循環(huán)神經(jīng)網(wǎng)絡
2.3.3激活函數(shù)
3基于SVM的股票擇時研究
3.1模型構建原則
3.1.1數(shù)據(jù)獲取
3.1.2數(shù)據(jù)拆分
3.1.3數(shù)據(jù)預處理
3.1.4特征指標與預測變量的選擇
3.1.5參數(shù)尋優(yōu)
3.1.6訓練擇時模型
3.1.7分析擇時效果
3.1.8測試模型
3.2模型構建
3.2.1設定擇時條件
3.2.2特征指標
3.3改進算法
3.3.1螢火蟲算法
3.3.2改進螢火蟲算法
3.3.3參數(shù)尋優(yōu)
3.4個股實證分析
3.4.1MFA算法有效性驗證
3.4.2個股實證指標
3.4.3平安銀行個股實證
3.4.4中信證券個股實證
3.5指數(shù)實證分析結果
3.5.1中證500指數(shù)
3.5.2創(chuàng)業(yè)板指數(shù)
3.5.3滬深300指數(shù)
4基于深度學習的股票擇時研究
4.1指標獲取
4.1.1指標介紹
4.1.2指標可視化
4.2數(shù)據(jù)預處理
4.2.1數(shù)據(jù)正則化
4.2.2維度分析
4.3混合CNN-RNN模型的構建
4.3.1模型構建思路
4.3.2模型構建流程
4.3.3模型結構
4.3.4模型評估
4.4基于UCI數(shù)據(jù)集的實證研究
4.4.1實驗數(shù)據(jù)
4.4.2參數(shù)設置
4.4.3實驗結果
4.5基于股票市場指標數(shù)據(jù)的實證研究
4.5.1實驗數(shù)據(jù)
4.5.2參數(shù)設置
4.5.3實驗結果
5結論與展望
5.1結論
5.2展望
參考文獻
附錄混合CNN-RNN模型代碼