基於大數據和人工智能的金融研究

"酈金梁，清華大學五道口金融學院講席教授。專註於金融市場、風險管理和產業創新領域的研究。吳  謠，清華大學應用經濟學博士，北京工商大學講師，中國中小企業協會人工智能專委會秘書長。專註於基於大數據和人工智能的量化金融分析。"

 

 

目   錄

第1章  緒論   1

　　1.1  機器學習方法分類   4

　　1.2  機器學習在股票市場中的應用   8

　　1.3  機器學習在宏觀經濟相關研究中的應用   22

　　1.4  機器學習在政策評價研究中的應用   27

　　1.5  機器學習方法對比和模型評價準則   32

　　參考文獻   38

第2章  回歸模型   54

　　2.1  簡單線性回歸   56

　　2.2  多元線性回歸   66

　　2.3  嶺回歸與Lasso回歸   76

　　參考文獻   92

第3章  分類模型   97

　　3.1  分類問題概述   98

　　3.2  為什麼線性回歸不可用   100

　　3.3  邏輯回歸   101

　　3.4  支持向量機（SVM）   108

　　參考文獻   121

第4章  樹模型   123

　　4.1  回歸樹   125

　　4.2  純堿指數期貨樹模型   126

　　4.3  分類樹   131

　　4.4  樹模型的集成   133

　　參考文獻   142

第5章  無監督學習   144

　　5.1  原理說明   146

　　5.2  無監督學習方法在金融領域的應用   153

　　5.3  深度強化學習   157

　　5.4  無監督學習在金融領域的應用場景與挑戰   159

　　參考文獻   160

第6章  大語言模型在金融領域的應用   162

　　6.1  引言   163

　　6.2  相關文獻評述   164

　　6.3  原理簡介   170

　　6.4  實驗設計   184

　　6.5  實證結果   192

　　6.6  EPU不同類型與市場波動率預測效果對比   203

　　6.7  脈沖響應分析（IRF）：EPU沖擊對市場波動率的時序影響   213

　　6.8  實驗對比分析：5組對比實驗指標對比   214

　　參考文獻   215

第7章  股市波動率預測   219

　　7.1  背景介紹   220

　　7.2  方法說明   222

　　7.3  實證結果   227

　　7.4  結果討論   230

　　7.5  結論   233

　　參考文獻   234  

第8章  檢測財務違規   237

　　8.1  引言   238

　　8.2  上市公司違規機制分析   240

　　8.3  基於Logistic模型的違規預測   244

　　8.4  基於二元Probit模型的違規稽查分析   250

　　8.5  基於決策樹模型的違規判定   255

　　8.6  結論   258

　　參考文獻   259  

第9章  機器學習在期貨市場的應用   263

　　9.1  研究背景介紹   264

　　9.2  純堿市場分析   269

　　9.3  投資策略   271

　　9.4  實證結果分析   282

　　9.5  投資策略構建   287

　　9.6  穩健性檢驗   288

　　9.7  討論   290

　　參考文獻   290