新書推薦:

《
数据资本大时代
》
售價:NT$
403.0

《
激情耗尽(精装彩插典藏版)
》
售價:NT$
306.0

《
人鼠之间 长谷(诺奖得主斯坦贝克再次书写大时代洪流之下小人物的悲喜命运,感动人心的世纪之书)
》
售價:NT$
352.0

《
鲍文家庭系统治疗
》
售價:NT$
709.0

《
罗马统治下的希腊:前146-716(罗马征服以来的希腊史)
》
售價:NT$
612.0

《
余音不绝:接着讲宗教史(精装)
》
售價:NT$
245.0

《
三国演义 七色汇评本 精装简体横排 (全3册)
》
售價:NT$
1520.0

《
唐宋“古文运动”与士大夫文学 中华学术 有道
》
售價:NT$
449.0
|
內容簡介: |
本书从金融数据挖掘的数据整理(cluster and classification)和重抽样方法(resampling)开始,介绍了模型的筛选方法(selection methods)、克服高维灾难(disaster of dimensionality)的方法,以及非线性模型(non-linear models)、非参数估计(unsupervised estimation)、决策树(tree-based methods)和支持向量机(support vector machines)等数据挖掘方法,并在后面介绍了R语言的基本操作。
本书的案例均采用股票市场数据来进行数据挖掘分析,利用简明实用的一些数据挖掘方法来诠释金融数据挖掘的魅力,以期每一名本书的读者都够掌握一些本书介绍的方法,并应用于股票市场投资当中去。当然,正像所有投资书籍及投资机构都会提到的一样,本书也必须指出,投资有风险,挖掘需谨慎。
|
關於作者: |
刘振亚,中国人民大学财金学院和英国伯明翰大学教授,博士生导师,摩根大通期货有限公司JP Morgan Futures董事,全球管理期货(CTA) Winton Capital中国早期的合作者。在金融计量、量化投资、宏观经济等领域有着深入的研究,从1991年以来已出版多本专业著作,并在China Economic Review 、《世界经济》等国内外一流杂志发表多篇文章。
|
目錄:
|
导言
第一章金融数据分类分析(1)Logit、LDA、QDA与KNN
第一节 Logistic 分类法
第二节 LDA、QDA与KNN分类法
第三节 案例:上证综合指数涨跌预测
第二章金融数据分类分析(2)-聚类分析
第一节 系统聚类法和K-means聚类法
第二节 案例
案例1:系统聚类分析法的应用股指状态阶段的判断与划分
案例2. k-means聚类法应用案例
附录:案例代码
第三章金融数据重抽样
第一节 交叉验证方法
第二节 拔靴法
第三节 案例:重抽样方法下的股指涨跌预测模型的再分析
附录1:投资比例公式证明过程
附录2:案例代码
第四章线性模型筛选
第一节 子集筛选法Subset Selection Methods
第二节 收缩筛选法Shrinkage Selection Methods
第三节 案例:regsubset函数在股指涨跌预测模型筛选中的用法
附录:案例代码
第五章克服高维灾难
第一节主成分分析法(principal components analysis,PCA)
第二节 部分最小二乘法 Partial Least Squares, PLS
第三节 案例
案例1. 财务指标含义及指向性介绍
案例2. 主成分分析法在选股中的应用
第六章非线性模型及非参数估计方法
第一节 非线性模型简介
第二节 非参估计方法简介
第三节 样条估计法
附录:实例代码
第七章决策树
第一节 决策树的基本知识
第二节 三种提高树状模型预测精度的方法
第三节 案例
案例1:决策树方法在股指涨跌预测中的应用
案例2:bagging、randomforest和boosting在决策树模型中的应用
第八章支持向量机
第一节 最大边际分类器与支持向量分类器
第二节 支持向量机
第三节 案例:基于SVM 方法的上证指数涨跌预测
第九章R语言及作图
|
|