在人工智能的帮助下,金融风险管理正在迅速发展。在这本实用的书中,开发人员、程序员、工程师、金融分析师、风险分析师以及定量和算法分析师将研究基于python的机器学习和深度学习模型,以评估金融风险。构建基于人工智能的金融建模技能,您将学习如何用ML模型取代传统的金融风险模型。

作者Abdullah Karasan在深入探讨使用Python在金融风险建模中使用ML模型的实际方法之前,帮助您探索金融风险建模背后的理论。有了这本书,你将:

回顾经典的时间序列应用,并与深度学习模型进行比较

利用支持向量回归、神经网络和深度学习,探索波动率模型来衡量风险程度

使用ML技术改进市场风险模型(VaR和ES),包括流动性维度

使用聚类和贝叶斯方法进行信用风险分析

用高斯混合模型和Copula模型捕捉流动性风险的不同方面

使用机器学习模型进行欺诈检测

使用机器学习模型预测股价崩盘并确定其决定因素

成为VIP会员查看完整内容
109

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【干货书】数据科学家统计学基础:R和Python实战,486页pdf
专知会员服务
122+阅读 · 2021年6月18日
专知会员服务
223+阅读 · 2021年6月3日
【干货书】Python机器学习,361页pdf
专知会员服务
252+阅读 · 2021年2月25日
【干货书】机器学习Primer,122页pdf
专知会员服务
104+阅读 · 2020年10月5日
【经典书】Python金融大数据分析,566页pdf
专知会员服务
117+阅读 · 2020年8月1日
专知会员服务
165+阅读 · 2020年6月4日
【干货书】用于概率、统计和机器学习的Python,288页pdf
专知会员服务
278+阅读 · 2020年6月3日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
Arxiv
1+阅读 · 2022年8月22日
Arxiv
0+阅读 · 2022年8月22日
Solving estimating equations with copulas
Arxiv
0+阅读 · 2022年8月19日
A Modern Introduction to Online Learning
Arxiv
19+阅读 · 2019年12月31日
VIP会员
相关VIP内容
【干货书】数据科学家统计学基础:R和Python实战,486页pdf
专知会员服务
122+阅读 · 2021年6月18日
专知会员服务
223+阅读 · 2021年6月3日
【干货书】Python机器学习,361页pdf
专知会员服务
252+阅读 · 2021年2月25日
【干货书】机器学习Primer,122页pdf
专知会员服务
104+阅读 · 2020年10月5日
【经典书】Python金融大数据分析,566页pdf
专知会员服务
117+阅读 · 2020年8月1日
专知会员服务
165+阅读 · 2020年6月4日
【干货书】用于概率、统计和机器学习的Python,288页pdf
专知会员服务
278+阅读 · 2020年6月3日
相关基金
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
国家自然科学基金
5+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
4+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员