新書推薦：
《
心学的诞生
》
售價：NT$
347.0
《
军人与国家：军政关系的理论与政治
》
售價：NT$
653.0
《
中国雕塑 高等院校艺术与设计类专业
》
售價：NT$
403.0
《
黄帝内经素问集注
》
售價：NT$
321.0
《
大国产业—中国产业现代化转型升级与时代机遇
》
售價：NT$
403.0
《
儿童和青少年心理咨询
》
售價：NT$
704.0
《
我们如何学习：学习与教学的科学方法 （西班牙）艾克托尔·鲁伊兹·马丁
》
售價：NT$
403.0
《
感受的力量--像艺术家一样观看
》
售價：NT$
265.0
|
| 編輯推薦： |
1. Python语言讲解：容易上手，适合金融从业者学习；
2. 机器学习：热点技术，结合Python语言，在IT市场具有吸引力，结合风险管理，适应国家强监管政策；
3. Oreilly图书，品质上乘，值得信赖
|
| 內容簡介： |
近年来，人工智能技术得到了快速发展，并在金融风险管理领域逐渐渗透。本书旨在引导读者了解金融风险建模背后的理论，学会在金融风险管理业务中运用Python语言和一系列机器学习模型。
本书分为三部分，第一部分（第1～3章）介绍风险管理的基础知识，第二部分（第4～8章）通过一系列案例将机器学习模型运用到市场风险管理、信用风险管理、流动性风险管理和运营风险管理等场景，第三部分（第9章、第10章）讲解如何对其他金融风险类型进行建模。
本书案例丰富、实战性强，适合金融行业的工程师、财务分析师、风险分析师等群体阅读。通过阅读本书，读者将发现人工智能技术的强大魅力，并学会运用Python语言驾驭多种高效率的机器学习模型，进一步重塑自己的风险管理思维。
|
| 關於作者： |
|
阿卜杜拉·卡拉桑（Abdullah Karasan）出生于德国柏林。在完成了经济学和工商管理的学习后，他从美国密歇根大学安娜堡分校获得了应用经济学硕士学位，并从土耳其安卡拉的中东科技大学获得了金融数学博士学位。他曾在土耳其财政部任职，目前担任Magnimind公司的首席数据科学家，同时也是马里兰大学巴尔的摩分校的讲师。此外，他在金融数据科学领域发表了多篇论文。
|
| 目錄：
|
第 一部分 风险管理基础1
第 1章 风险管理基础知识3
1.1 风险3
1.2 收益4
1.3 风险管理6
1.3.1 主要的金融风险类型7
1.3.2 风险管理失败导致严重的财务危机8
1.4 金融风险管理中的信息不对称9
1.4.1 逆向选择10
1.4.2 道德风险12
1.5 本章小结13
1.6 参考资料13
第 2章 时间序列建模简介14
2.1 时间序列的成分16
2.1.1 趋势17
2.1.2 季节性19
2.1.3 周期性21
2.1.4 残差21
2.2 传统时间序列建模过程26
2.3 白噪声和信息准则27
2.4 MA、AR和ARIMA模型28
2.4.1 MA模型28
2.4.2 AR模型33
2.4.3 ARIMA模型37
2.5 本章小结42
2.6 参考资料43
第3章 使用深度学习进行时间序列建模44
3.1 RNN45
3.2 LSTM51
3.3 本章小结54
3.4 参考资料54
第二部分 使用ML管理市场、信用、流动性和运营风险57
第4章 基于ML的波动率预测59
4.1 ARCH模型61
4.2 GARCH模型67
4.3 GJR-GARCH模型72
4.4 EGARCH模型74
4.5 SVR-GARCH模型76
4.6 神经网络和深度学习81
4.7 贝叶斯方法86
4.7.1 马尔可夫链蒙特卡罗方法87
4.7.2 M-H算法89
4.8 本章小结93
4.9 参考资料94
第5章 市场风险建模95
5.1 VaR模型96
5.1.1 方差-协方差法97
5.1.2 历史模拟法103
5.1.3 蒙特卡罗法104
5.2 降噪106
5.3 ES模型114
5.4 考虑流动性风险之后的ES模型115
5.5 实际成本116
5.6 本章小结123
5.7 参考资料124
第6章 信用风险估计125
6.1 估计信用风险126
6.2 风险篮子127
6.3 使用逻辑回归估计违约概率137
6.4 使用贝叶斯模型估计违约概率144
6.5 使用SVM估计违约概率149
6.6 使用随机森林估计违约概率150
6.7 使用神经网络估计违约概率151
6.8 使用深度学习估计违约概率152
6.9 本章小结154
6.10 参考资料154
第7章 流动性风险建模155
7.1 流动性测量156
7.1.1 基于成交量测量流动性157
7.1.2 基于交易成本测量流动性160
7.1.3 基于价格影响测量流动性163
7.1.4 基于市场影响的流动性指标164
7.2 GMM168
7.3 GMCM172
7.4 本章小结174
7.5 参考资料174
第8章 运营风险建模176
8.1 熟悉欺诈数据178
8.2 欺诈审查的监督学习建模183
8.2.1 基于成本的欺诈审查187
8.2.2 成本节约评分189
8.2.3 成本敏感建模191
8.2.4 贝叶斯最小风险法193
8.3 欺诈审查的无监督学习建模196
8.3.1 自组织映射196
8.3.2 自编码器198
8.4 本章小结202
8.5 参考资料203
第三部分 对其他金融风险类型建模205
第9章 公司治理风险度量：股价崩盘207
9.1 股价崩盘度量208
9.2 最小协方差行列式的理论209
9.3 最小协方差行列式的代码210
9.4 面板数据分析219
9.5 本章小结226
9.6 参考资料226
第 10章 金融中的合成数据生成与HMM228
10.1 合成数据生成228
10.2 评估合成数据的功效229
10.3 合成数据生成实战230
10.3.1 使用真实数据生成合成数据230
10.3.2 使用模型生成合成数据233
10.4 HMM简介236
10.5 对比隐马尔可夫模型与Fama-French三因子模型237
10.6 使用高斯HMM模型生成合成数据245
10.7 本章小结246
10.8 参考资料246
后记247
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
