123,123,123

內(nèi)容簡(jiǎn)介

　　大數(shù)據(jù)時(shí)代越來(lái)越多的數(shù)據(jù)呈現(xiàn)出維數(shù)過(guò)高、結(jié)構(gòu)非線性、數(shù)據(jù)量過(guò)大、高增長(zhǎng)率等特點(diǎn)，對(duì)傳統(tǒng)數(shù)據(jù)挖掘和統(tǒng)計(jì)分析提出了嚴(yán)峻的考驗(yàn)，如何發(fā)現(xiàn)高維數(shù)據(jù)分布的內(nèi)在幾何結(jié)構(gòu)，進(jìn)而挖掘出高維數(shù)據(jù)內(nèi)部規(guī)律及本征信息，有效結(jié)合可視化技術(shù)在低維空間來(lái)研究超高維數(shù)據(jù)的內(nèi)部特性是迫在眉睫的重要任務(wù)。超高維數(shù)據(jù)在金融領(lǐng)域更是遭遇維數(shù)災(zāi)難問(wèn)題，維數(shù)膨脹給高維數(shù)據(jù)的模式識(shí)別和規(guī)則發(fā)現(xiàn)帶來(lái)極大挑戰(zhàn)。本研究以大數(shù)據(jù)時(shí)代超高維稀疏網(wǎng)絡(luò)模型及其應(yīng)用為目標(biāo)，站在資源配置和投資組合優(yōu)化的角度對(duì)金融市場(chǎng)全面風(fēng)險(xiǎn)管理問(wèn)題進(jìn)行實(shí)證研究，為實(shí)現(xiàn)高水平網(wǎng)絡(luò)風(fēng)險(xiǎn)管理和防范金融系統(tǒng)性風(fēng)險(xiǎn)提出理論依據(jù)和可操作的技術(shù)思路。

作者簡(jiǎn)介

　　李愛(ài)忠，博士，副教授，長(zhǎng)期致力于投資組合與風(fēng)險(xiǎn)管理、機(jī)器學(xué)習(xí)、因果推斷及經(jīng)濟(jì)預(yù)測(cè)等方面研究，主持和參與多項(xiàng)國(guó)家社會(huì)科學(xué)基金和國(guó)家自然科學(xué)基金項(xiàng)目，在國(guó)內(nèi)外核心期刊發(fā)表多篇代表性學(xué)術(shù)論文，研究成果集中在穩(wěn)健矩陣回歸、高維因子模型、集成預(yù)測(cè)、非線性資產(chǎn)定價(jià)、投資組合及風(fēng)險(xiǎn)管理等方面。

圖書目錄

第一章緒論
第一節(jié) 研究背景與意義
第二節(jié) 相關(guān)文獻(xiàn)研究綜述
第三節(jié) 研究?jī)?nèi)容與結(jié)構(gòu)安排
第四節(jié) 研究思路與方法
第五節(jié) 主要特色和創(chuàng)新點(diǎn)
第二章高維數(shù)據(jù)降維理論、方法與模型
第一節(jié) 高維數(shù)據(jù)降維的關(guān)鍵技術(shù)及方法
第二節(jié) 基于人工智能的降維方法
第三節(jié) 本章小結(jié)
第三章超高維非線性集成降維理論、方法與應(yīng)用
第一節(jié) 超高維非線性集成降維模型及應(yīng)用
第二節(jié) 構(gòu)建雙重群組、低秩分塊的多因子核范數(shù)矩陣回歸模型
第三節(jié) 構(gòu)建多源異構(gòu)的多目標(biāo)、多因子非線性資產(chǎn)定價(jià)體系
第四節(jié) 資產(chǎn)組合優(yōu)化及金融市場(chǎng)風(fēng)險(xiǎn)管理應(yīng)用研究
第五節(jié) 本章小結(jié)
第四章超高維稀疏低秩的矩陣回歸模型及其組合風(fēng)險(xiǎn)管理策略
第一節(jié) 高維數(shù)據(jù)降維及投資組合研究回顧
第二節(jié) 多目標(biāo)回歸的投資組合優(yōu)化模型
第三節(jié) 稀疏回歸的組合優(yōu)化
第四節(jié) 實(shí)證研究
第五節(jié) 本章小結(jié)
第五章圖嵌入下稀疏低秩集成預(yù)測(cè)的多因子資產(chǎn)選擇策略
第一節(jié) 多源融合的集成預(yù)測(cè)模型
第二節(jié) 量化多因子資產(chǎn)選擇
第三節(jié) 實(shí)證研究
第四節(jié) 本章小結(jié)
第六章超高維環(huán)境下超指數(shù)膨脹的連續(xù)時(shí)間組合風(fēng)險(xiǎn)管理
第一節(jié) 超高維風(fēng)險(xiǎn)資產(chǎn)的非線性集成降維策略
第二節(jié) 基于定向循環(huán)支持向量機(jī)的多因子資產(chǎn)分類模型
第三節(jié) 超指數(shù)膨脹的連續(xù)時(shí)間投資組合優(yōu)化模型
第四節(jié) 實(shí)證研究
第五節(jié) 本章小結(jié)
第七章基于深度學(xué)習(xí)的超高維連續(xù)時(shí)間資產(chǎn)組合管理策略
第一節(jié) 深度融合網(wǎng)絡(luò)的多因子資產(chǎn)組合選擇模型
第二節(jié) 均值一方差一熵的連續(xù)時(shí)間組合風(fēng)險(xiǎn)管理模型
第三節(jié) BP神經(jīng)網(wǎng)絡(luò)的函數(shù)通近算法及二次優(yōu)化
第四節(jié) 實(shí)證研究
第五節(jié) 本章小結(jié)
第八章金融網(wǎng)絡(luò)風(fēng)險(xiǎn)下多因子矩陣回歸的資產(chǎn)組合與定價(jià)
第一節(jié) 基于最小生成樹的網(wǎng)絡(luò)風(fēng)險(xiǎn)疊加模型
第二節(jié) 多因子矩陣回歸的組合優(yōu)化
第三節(jié) 實(shí)證研究
第四節(jié) 本章小結(jié)
第九章超高維稀疏網(wǎng)絡(luò)重構(gòu)的資產(chǎn)組合選擇策略
第一節(jié) 基于CNN-RNN-SVM深度學(xué)習(xí)的多因子資產(chǎn)選擇模型
第二節(jié) 增強(qiáng)型指數(shù)的投資組合優(yōu)化模型
第三節(jié) 實(shí)證研究
第四節(jié) 本章小結(jié)
第十章總結(jié)與展望
參考文獻(xiàn)