機(jī)器學(xué)習(xí)在量化投資中的應(yīng)用研究

第1章 緒論 1
1．1 背景與意義 1
1．2 國(guó)內(nèi)外研究現(xiàn)狀 3
1．2．1 金融時(shí)間序列方法 3
1．2．2 機(jī)器學(xué)習(xí)方法 6
1．2．3 小波與流形方法 10
1．3 本書(shū)主要內(nèi)容與邏輯結(jié)構(gòu) 15
1．3．1 內(nèi)容安排 15
1．3．2 邏輯結(jié)構(gòu) 17
第2章 統(tǒng)計(jì)學(xué)習(xí)與機(jī)器學(xué)習(xí) 19
2．1 計(jì)算學(xué)習(xí)理論 19
2．1．1 學(xué)習(xí)問(wèn)題表述 19
2．1．2 統(tǒng)計(jì)學(xué)習(xí)理論 21
2．1．3 可能近似正確學(xué)習(xí)模型 22
2．2 神經(jīng)網(wǎng)絡(luò)模型 23
2．2．1 多層感知器神經(jīng)網(wǎng)絡(luò)模型 23
2．2．2 廣義回歸神經(jīng)網(wǎng)絡(luò)模型 26
2．3 支持向量機(jī)理論 28
2．3．1 線性支持向量分類機(jī) 29
2．3．2 非線性支持向量分類機(jī) 31
2．3．3 支持向量回歸機(jī) 33
2．4 本章小結(jié) 34
第3章 基于模糊神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)模型分析 35
3．1 引言 35
3．2 模糊神經(jīng)網(wǎng)絡(luò)模型研究 36
3．2．1 模糊邏輯推理系統(tǒng)結(jié)構(gòu) 36
3．2．2 模糊神經(jīng)網(wǎng)絡(luò)分類器 37
3．2．3 模糊神經(jīng)網(wǎng)絡(luò)回歸機(jī) 38
3．3 基于模糊神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè) 40
3．3．1 模糊神經(jīng)網(wǎng)絡(luò)設(shè)計(jì) 40
3．3．2 實(shí)驗(yàn)結(jié)果與分析 42
3．4 本章小結(jié) 43
第4章 基于高斯核支持向量機(jī)的股票預(yù)測(cè)模型分析 44
4．1 引言 44
4．2 核函數(shù)研究 45
4．2．1 核的構(gòu)造條件 45
4．2．2 核的構(gòu)造原則 46
4．2．3 核的主要類型 49
4．3 基于高斯核支持向量機(jī)的股票預(yù)測(cè) 52
4．3．1 數(shù)據(jù)處理與性能指標(biāo) 52
4．3．2 實(shí)驗(yàn)結(jié)果與分析 53
4．4 本章小結(jié) 57
第5章 基于小波支持向量機(jī)的股票收益模型分析 58
5．1 引言 58
5．2 股票收益的理論研究 59
5．2．1 有效市場(chǎng)假說(shuō)與布朗運(yùn)動(dòng)模型 59
5．2．2 分形市場(chǎng)假說(shuō)與分?jǐn)?shù)布朗運(yùn)動(dòng)模型 61
5．2．3 Hurst指數(shù)與重標(biāo)極差分析 62
5．2．4 混沌動(dòng)力學(xué)模型與Lyapunov指數(shù) 64
5．3 基于小波支持向量機(jī)的收益模型 65
5．3．1 小波變換與多分辨分析 66
5．3．2 小波核構(gòu)造與證明 68
5．3．3 實(shí)驗(yàn)結(jié)果與分析 70
5．4 本章小結(jié) 77
第6章 基于小波支持向量機(jī)的波動(dòng)模型分析 79
6．1 引言 79
6．2 波動(dòng)率模型研究 79
6．2．1 ARCH模型 80
6．2．2 GARCH模型 81
6．2．3 隨機(jī)波動(dòng)SV模型 82
6．3 基于小波支持向量機(jī)的GARCH模型 84
6．3．1 仿真實(shí)驗(yàn) 84
6．3．2 真實(shí)數(shù)據(jù)集實(shí)驗(yàn) 86
6．4 本章小結(jié) 95
第7章 基于流形小波核的收益序列分析 96
7．1 引言 96
7．2 微分幾何基本理論 96
7．3 核函數(shù)的幾何解釋 100
7．4 構(gòu)造融合先驗(yàn)知識(shí)的流形小波核 101
7．5 實(shí)驗(yàn)結(jié)果與分析 102
7．6 本章小結(jié) 107
第8章 基于樣條小波核的波動(dòng)序列分析 108
8．1 引言 108
8．2 樣條小波模型研究 108
8．3 樣條空間與函數(shù) 110
8．3．1 樣條函數(shù)空間 110
8．3．2 B樣條函數(shù)定義與性質(zhì) 112
8．4 樣條小波核構(gòu)造與證明 113
8．5 實(shí)驗(yàn)結(jié)果與分析 115
8．6 本章小結(jié) 119
第9章 結(jié)論與展望 120
9．1 本書(shū)主要貢獻(xiàn) 120
9．2 后續(xù)研究展望 122
附錄A 微積分 124
A．1 基本定義 124
A．2 梯度和Hesse矩陣 126
A．3 方向?qū)?shù) 126
A．4 Taylor展開(kāi)式 128
A．5 分離定理 129
附錄B Hilbert空間 131
B．1 向量空間 131
B．2 內(nèi)積空間 134
B．3 Hilbert空間 136
B．4 算子、特征值和特征向量 138
附錄C 專題研究期間學(xué)術(shù)論文與科研項(xiàng)目 140
后記 143
參考文獻(xiàn) 144