內容簡介:風險建模演算法
「Abdullah Karasan成功展現了在金融風險管理領域中使用機器學習的能力,這是對任何金融機構都攸關重要的功能。」
—Yves J. Hilpisch博士
The Python Quants與The AI Machine創辦人及總裁
「如果您需要將統計和機器學習方法應用在金融風險分析的入門指南,那麼這是一個很好的起點。」
—Graham L. Giller
《Adventures in Financial Data Science》作者
金融風險管理在人工智慧的幫助下發展迅速。透過這本實用指南,開發人員、程式設計師、工程師、金融分析師、風險分析師及定量和演算法分析師,將可以機器學習和深度學習模型進行金融風險評估。建立基於人工智慧的財務建模實務技能後,您將學習要如何運用機器學習模型來取代傳統的金融風險模型。
作者Abdullah Karasan幫助您探索金融風險建模背後的理論,再深入研究使用Python運用機器學習模型以對金融風險進行建模的實際方法。
有了這本書,您將可以:
‧回顧經典的時間序列應用並將其與深度學習模型進行比較
‧使用支撐向量迴歸、神經網路和深度學習來探索波動率模型以衡量風險程度
‧使用機器學習技術來改善市場風險模型(VaR和ES),並包括了流動性維度
‧使用分群和貝氏方法來進行信用風險分析
‧使用高斯混合模型和關聯結構模型來捕捉流動性風險的不同面向
‧使用機器學習模型來進行詐欺偵測
‧使用機器學習模型來預測股價崩盤並識別其決定因素
目錄
章節說明:第一部分 風險管理基礎
第一章 風險管理基礎
第二章 時間序列建模簡介
第三章 應用深度學習於時間序列建模
第二部分 針對市場、信用、流動性和營運風險的機器學習
第四章 基於機器學習的波動率預測
第五章 市場風險建模
第六章 信用風險估計
第七章 流動性建模
第八章 營運風險建模
第三部分 其他金融風險來源之建模
第九章 公司治理風險度量:股價崩盤
第十章 合成資料產生與金融中的隱藏馬可夫模型
章節說明:第一部分 風險管理基礎
第一章 風險管理基礎
第二章 時間序列建模簡介
第三章 應用深度學習於時間序列建模
第二部分 針對市場、信用、流動性和營運風險的機器學習
第四章 基於機器學習的波動率預測
第五章 市場風險建模
第六章 信用風險估計
第七章 流動性建模
第八章 營運風險建模
第三部分 其他金融風險來源之建模
第九章 公司治理風險度量:股價崩盤
第十章 合成資料產生與金融中的隱藏馬可夫模型
購物須知
退換貨說明:
會員均享有10天的商品猶豫期(含例假日)。若您欲辦理退換貨,請於取得該商品10日內寄回。
辦理退換貨時,請保持商品全新狀態與完整包裝(商品本身、贈品、贈票、附件、內外包裝、保證書、隨貨文件等)一併寄回。若退回商品無法回復原狀者,可能影響退換貨權利之行使或須負擔部分費用。
訂購本商品前請務必詳閱退換貨原則。