-
免费下载（点击文字下载）
- 9787300318226《资产定价与机器学习》吴轲.pdf
-
内容简介：
- 机器学模型作为人工智能核心技术之一，对金融行业发展造成了颠覆冲击。在金融行业数据信噪比低、特征维度高、相互关系复杂的业务场景中，机器学有着广阔的应用空间，尤其是被广泛运用于资产定价领域。本书从资产定价角度出发，首先阐述了在资产定价中引入机器学方法的背景与重要，介绍了线方法、组合方法、非参数放大等多种机器学方法，并系统讨论了如何将机器学方法引入资产定价研究之中，解决引子识别、组合优化以及样本外预测资产定价三大核心问题。本书适合从事管理、量化投资的金融从业者，或者对量化投资感兴趣的读者；也可作为高年级本科与金融科技专业的参书。
-
作者简介：
- 吴轲，中国人民大学财政金融学院副教授、博士生导师，中国人民大学“杰出学者”青年学者。为本科生和研究生讲授实证资产定价、金融风险管理、金融科技以及金融大数据分析等课程。 主要研究领域包括资产定价、投资组合管理、金融计量学和机器学习，研究成果在《管理科学》（Management Science），《金融与定量分析杂志》（Journal of Financial and Quantitative Analysis），以及《应用计量经济学杂志》（Journal of Applied Econometrics）等国际一流期刊上发表，并主持国家自然科学基金面上项目和青年基金项目。
目录：
第一章 导论
1.1 资产定价的研究背景
1.2 本书的结构
1.3 本书的特点和局限性
第二章 资产定价中的机器学习方法
2.1 机器学习的定义和主要类别
2.2 机器学习方法介绍
第三章 投资组合优化
3.1 马科维茨投资组合
3.2 参数化投资组合优化
3.3 最优投资组合与随机贴现因子等价性
3.4 基于收缩估计方法的投资组合优化
3.5 神经网络
3.6 基于全子集回归的组合优化
3.7 实证分析
3.8 小 结
第三章附录
第四章 随机贴现因子模型中的定价因子识别
4.1 随机贴现因子
4.2 双重选择LASSO算法识别因子
4.3 自纠偏机器学习法识别因子
4.4 小 结
第四章附录
第五章 资产收益率样本外预测
5.1 样本外预测方法
5.2 数据和单变量投资组合构造
5.3 实证结果
5.4 信息汇总方法和稳健性检验
5.5 小 结
第五 附录
参考文献
评论留言