量化金融原理與實踐（微課視頻版）

李政，副教授，研究生導師，現任廣東財經大學金融學院實驗室主任、金融工程系副主任。主要研究方向為金融科技，致力於將金融專業知識、數學建模、編程三個模塊的知識融合在一起，提升模型的質量。主編教材《金融仿真綜合實驗》。

 

 

 

目錄

 

資源下載

 

第1章緒論

 

1.1軟件的安裝與功能

 

1.1.1軟件的下載與安裝

 

1.1.2軟件的界面與功能

 

1.2機器學習算法介紹

 

習題

 

第2章Python編程基礎及數據處理

 

2.1Python基礎語法

 

2.1.1數據類型

 

2.1.2數據類型操作

 

2.1.3Python函數

 

2.2數據處理常用的庫

 

2.2.1數據分析

 

2.2.2相關庫

 

習題

 

第3章數據可視化

 

3.1繪圖基礎語法

 

3.1.1單一畫布作圖

 

3.1.2多畫布作圖

 

3.1.3圖像的保存和導出

 

3.2主要圖形的繪制

 

3.2.1折線圖

 

3.2.2散點圖

 

3.2.3條形圖

 

3.2.4箱線圖

 

3.2.5餅圖

 

 

 

 

3.2.6K線圖

 

 

3.2.7雷達圖

 

3.2.8熱力圖

 

3.2.9屬性兩兩分析圖

 

3.2.10氣泡圖

 

3.2.11小提琴圖和分簇散點圖

 

 

習題

 

 

 

量化金融原理與實踐(微課視頻版)

目錄

 

 

 

 

第4章數據表格的處理與數據清洗

 

4.1xlwings及其相關算法

 

4.1.1第三方庫xlwings

 

4.1.2xlwings與Pandas的實現

 

4.2統計分析與可視化

 

4.2.1統計分析

 

4.2.2可視化

 

4.3數據清洗

 

4.3.1空缺值、重復值、異常值

 

4.3.2數據歸一化

 

4.4特征工程

 

4.4.1屬性的選擇

 

4.4.2屬性值的優化

 

習題

 

第5章特征工程

 

5.1過濾法

 

5.1.1單變量

 

5.1.2多變量

 

5.1.3過濾法總結

 

5.2包裹法

 

5.2.1完全搜索 

 

5.2.2啟發式搜索

 

5.2.3隨機搜索

 

5.3嵌入法

 

5.3.1原理

 

5.3.2應用

 

5.3.3重要函數介紹

 

習題

 

第6章聚類

 

6.1聚類的概念及應用

 

6.1.1聚類的概念

 

6.1.2聚類的應用領域

 

6.2聚類算法的相關原理

 

6.2.1Kmeans聚類

 

6.2.2層次聚類

 

6.3K值優化與聚類評價指標

 

6.3.1K值優化

 

6.3.2聚類評價指標

 

6.4在消費者行為分析中的應用

 

習題

 

 

第7章主成分分析

 

7.1主成分分析及步驟簡介

 

7.1.1主成分分析原理

 

7.1.2主成分分析流程

 

7.1.3相關檢驗

 

7.2重要函數介紹

 

7.3在車貸違約預測中的應用

 

7.3.1數據準備

 

7.3.2統計分析

 

7.3.3數據清洗

 

7.3.4Bartlett球狀檢驗

 

7.3.5KMO檢驗

 

7.3.6數據標準化

 

7.3.7PCA解釋方差和累計貢獻可視化

 

7.3.8主成分載荷矩陣和可視化

 

習題

 

第8章線性模型

 

8.1模型原理

 

8.1.1OLS線性回歸

 

8.1.2邏輯回歸

 

8.1.3嶺回歸

 

8.1.4混淆矩陣

 

8.2相關金融原理

 

8.3樣本構建

 

8.4模型應用

 

8.4.1構建OLS線性模型

 

8.4.2構建嶺回歸模型

 

8.4.3構建邏輯回歸模型

 

8.5模型的改進

 

習題

 

第9章支持向量機

 

9.1支持向量機的原理

 

9.1.1支持向量機的數學原理

 

9.1.2支持向量機的實現——以SVC為例

 

9.2數據離散

 

9.2.1等頻率離散化

 

9.2.2聚類離散化

 

9.2.3基於信息熵的離散化方法

 

9.3相關金融原理

 

9.4在保險反欺詐案例中的應用

 

9.4.1背景介紹

 

9.4.2讀取數據

 

9.4.3數據清洗與樣本構建

 

習題

 

 

第10章決策樹及隨機森林

 

10.1決策樹及相關概念

 

10.1.1決策樹

 

10.1.2決策樹構建的相關細節

 

10.1.3決策樹算法流程

 

10.1.4字典數據類型的重要方法

 

10.1.5其他相關重要函數

 

10.2隨機森林及相關概念

 

10.2.1隨機森林

 

10.2.2隨機森林算法原理和具體流程

 

10.3在銀行客戶營銷中的應用

 

10.3.1樣本數據

 

10.3.2建模流程

 

10.4應用隨機森林分析銀行客戶營銷數據

 

10.4.1隨機森林決策邊界圖

 

10.4.2隨機森林建模

 

10.4.3特征重要性排序

 

10.4.4模型的預測

 

10.4.5模型評估

 

習題

 

第11章神經網絡

 

11.1模型原理

 

11.1.1圖解神經網絡模型原理

 

11.1.2模型應用的數學原理

 

11.1.3激活函數

 

11.1.4數組整形函數

 

11.2在股票預測中的應用

 

11.2.1MLP解決以漲跌為標簽的分類問題

 

11.2.2CNN解決以漲跌為標簽的分類問題

 

11.2.3LSTM解決以漲跌為標簽的分類問題

 

11.2.4MLP解決以收盤價為預測值的回歸問題

 

11.2.5CNN解決以收盤價為預測值的回歸問題 

 

11.2.6LSTM解決以收盤價為預測值的回歸問題

 

習題

 

參考文獻