首页
实验课程
在线实验
虚拟仿真
实验教学案例平台
首页
实验课程
在线实验
虚拟仿真
实验教学案例平台
登录
注册
登录
/
注册
金融与财务机器学习
简介
分类
专业课程
课程标签：
数据案例-alk
查看课程
任务列表
第1任务: 前言
第2任务: 章前导读
第3任务: （1）机器学习的历史
第4任务: （2）机器学习的分类
第5任务: （3）机器学习的思想
第6任务: （4）机器学习的要素
第7任务: （5）机器学习的步骤
第8任务: （6）机器学习与传统编程
第9任务: （1）机器学习在金融领域应用的需求
第10任务: （2）机器学习的优势
第11任务: （3）机器学习可能面临的挑战
第12任务: 机器学习在金融与财务领域的应用现状
第13-1任务: 本章小结
第13-2任务: 课后作业
第14任务: 章前导读
第15任务: （1）Python简介
第16任务: （2）Python安装
第17任务: （3）Python使用
第18任务: （4）Python基础知识-基本数据结构
第19任务: 实验2-1 序列--列表
第20任务: 实验2-2 序列--字典
第21任务: （5）Python基础知识--序列的操作
第22任务: 实验2-3 序列的操作--序列索引
第23任务: 实验2-4 序列的操作--序列切片
第24任务: （6）Python基础知识--常用语句
第25任务: 实验2-5 常用语句
第26任务: （1）多维数组Numpy
第27任务: 实验2-6 多维数组Numpy
第28任务: （2）面板处理Pandas（1）
第29任务: （3）面板处理Pandas（2）
第30任务: 实验2-7 面板处理Pandas
第31任务: （4）科学计算Sympy
第32任务: 实验2-8 科学计算Sympy
第33任务: （5）统计分析Statsmodels
第34任务: 实验2-9 统计分析Statsmodels
第35任务: （6）金融计量Linearmodels
第36任务: 实验2-10 金融计量Linearmodels
第37任务: （1）机器学习
第38任务: （2）深度学习
第39-1任务: 本章小结
第39-2任务: 课后作业
第40任务: 章前导读
第41任务: （1）理解大数据
第42任务: （2）金融大数据
第43任务: （3）本章概览
第44任务: （1）国泰安数据库
第45任务: （2）万得资讯
第46任务: （3）中国研究数据服务平台
第47任务: （4）美国证券价格研究中心CRSP
第48任务: 实验3-1 参考CSMAR数据的下载方式来获取CRSP所需数据
第49任务: （5）公开数据源
第50任务: （6）文献数据源
第51任务: 实验3-2 在Baostock上下载所需股票历史数据及K线数据
第52任务: （1）中心趋势性
第53任务: （2）分散性
第54任务: （3）对称性和厚尾性
第55任务: （4）持续性
第56任务: （5）相关性
第57任务: （1）缺失值处理
第58任务: （2）异常值处理
第59任务: （3）标准化处理
第60任务: （1）特征工程的简介
第61任务: （2）特征选择
第62任务: 实验3-3 特征选择方法
第63-1任务: 本章小结
第63-2任务: 课后作业
第64任务: 章前导读
第65任务: （1）金融与财务因子与因子模型简介
第66任务: （2）从单因子模型到多因子模型
第67任务: （1）alpha收益
第68任务: （2）资产价格异象
第69任务: （1）因子检验的一般流程
第70任务: （2）Fama-French五因子模型
第71任务: （3）Hou-Xue-Zhang的q-因子模型
第72任务: （4）Stambaugh错误定价因子模型
第73任务: （5） Liu-Stambaugh-Yuan的CH-3模型
第74任务: （1）常见因子分类
第75任务: （2）其它特色因子
第76任务: （1）因子时变性
第77任务: （2）因子有效性识别
第78任务: （3）因子研究的近况与挑战
第79-1任务: 本章小结
第79-2任务: 课后思考题
第79-3任务: 阅读参考文献
第80任务: 章前导读
第81任务: 因子模型检验概述
第82任务: （1）单变量组合分析
第83任务: （2）双变量组合分析
第84任务: （3）三变量组合分析
第85任务: （1）排序分组法
第86任务: （2）方差最小化法
第87任务: （1）Alpha检验
第88任务: （2）GRS检验
第89任务: （1）Fama-MacBeth两阶段回归
第90任务: （2）Fama-MacBeth三阶段回归
第91任务: （1）风险补偿
第92任务: （2）错误定价
第93任务: （3）数据挖掘
第94-1任务: 本章小结
第94-2任务: 课后思考题
第94-3任务: 阅读参考文献
第95任务: 章前导读
第96任务: （1）资产收益可预测性的讨论
第97任务: （2）资产收益可预测性的解释
第98任务: （1）方差比检验
第99任务: （2）样本内预测
第100任务: （3）预测模型面临的挑战
第101任务: （4）新的金融预测方法
第102任务: （1）样本外预测
第103任务: （2）投资价值评估
第104任务: （3）其他预测方法
第105任务: （1）宏观经济指标
第106任务: （2）估值与财务指标
第107任务: （3）情绪指标
第108任务: （4）技术面指标
第109任务: （5）波动率指标
第110任务: （1）来源与推导
第111任务: （2）岭回归的基本原理
第112任务: （2）进一步讨论
第113-1任务: 本章小结
第113-2任务: 课后思考题
第113-3任务: 阅读参考文献
第114任务: 章前导读
第115任务: （1）线性回归
第116任务: （2）OLS模型的基本原理
第117任务: （3）OLS模型的应用
第118任务: （1）岭回归的提出
第119任务: （3）岭回归的变量选择特征
第120任务: （4）岭回归的调节参数选择
第121任务: （1）套索模型（LASSO）的提出
第122任务: （2）LASSO模型的基本原理
第123任务: （3）LASSO模型的变量选择特征
第124任务: （4）LASSO模型的扩展
第125任务: （5）LASSO模型的应用
第126任务: （1）弹性网络的提出
第127任务: （2）弹性网络的基本原理
第128任务: （3）弹性网络的变量选择特征
第129任务: 问题与数据描述
第130任务: 实验7-1 OLS回归
第131任务: 实验7-2 岭回归
第132任务: 实验7-3 LASSO
第133任务: 实验7-4 弹性网络
第134-1任务: 本章小结
第134-2任务: 复习思考题
第134-3任务: 阅读参考文献
第135任务: 章前导读
第136任务: （1）维数灾难问题
第137任务: （2）降维方法的简介
第138任务: （3）降维方法的分类
第139任务: （1）主成分分析的原理
第140任务: （2）主成分分析的算法和步骤
第141任务: （3）主成分分析的评价
第142任务: （4）主成分分析的发展：工具变量主成分分析
第143任务: （5）主成分分析的发展：缩放主成分分析
第144任务: （6）在金融中的应用
第145任务: （1）偏最小二乘回归的原理
第146任务: （2）偏最小二乘法的算法和步骤
第147任务: （3）偏最小二乘回归的评价
第148任务: （4）在金融中的应用
第149任务: （1）自编码模型的原理
第150任务: （2）条件自编码模型
第151任务: （3）变分自编码模型
第152任务: （4）在金融中的应用
第153任务: （1）聚类分析的简介
第154任务: （2）K-means算法
第155任务: 问题与数据描述
第156任务: 实验8-1利用PCA对中国市场波动率建模
第157任务: 实验8-2 利用PLS对美国市场波动率建模
第158任务: 实验8-3 利用PCA与PLS对中国GDP数据建模
第159-1任务: 本章小结
第159-2任务: 复习思考题
第159-3任务: 阅读参考文献
第160任务: 章前导读
第161任务: （1）逻辑回归的简介
第162任务: （2）逻辑回归的步骤
第163任务: （3）在金融中的应用
第164任务: 树形模型的发展历史
第165任务: （1）树形模型的基本概念
第166任务: （2）树形模型的度量指标
第167任务: （3）树形模型的剪枝处理
第168任务: （4）CART模型
第169任务: （5）在金融中的应用
第170任务: （1）集成学习的基本概念
第171任务: （2）Boosting算法基本原理
第172任务: （3）AdaBoost模型
第173任务: （4）GBDT模型
第174任务: （5）XGboost模型
第175任务: （6）在金融中的应用
第176任务: （1）Bagging算法基本原理
第177任务: （2）随机森林模型
第178任务: （3）在金融中的应用
第179任务: 问题与数据描述
第180任务: 实验9-1 GBDT模型预测中国宏观变量通货膨胀
第181任务: 实验9-2 随机森林模型预测中国宏观变量通货膨胀
第182任务: 实验9-3 GBDT模型预测美国宏观变量通货膨胀
第183任务: 实验9-4 随机森林模型预测美国宏观变量通货膨胀
第184-1任务: 本章小结
第184-2任务: 复习思考题
第184-3任务: 阅读参考文献
第185任务: 章前导读
第186任务: 第一节 神经网络的发展历史
第187任务: 第二节 神经网络的基本单元和模型
第188任务: 第三节 神经网络的模型训练
第189任务: 实验：时间序列预测建模
第190任务: 第四节 神经网络的发展1：卷积神经网络和循环神经网络
第191任务: 第五节 神经网络的发展2：生成式对抗网络
第192任务: 第六节 神经网络的发展3：深度强化学习
第193-1任务: 第七节 金融应用与python实现
第193-2任务: concave_function
第194任务: 本章小结和参考资料
第195任务: 章前导读
第196任务: 第一节 模型评估的相关概念
第197任务: 第二节 模型评估指标
第198任务: 第三节 模型训练与测试
第199任务: 第四节 超参数调优
第200任务: 第五节 模型可解释性
第201任务: 本章小结和参考资料
第202任务: 章前导读
第203任务: 第一节 文本数据的概述
第204任务: 第二节 文本数据的结构性表示
第205任务: 第三节 文本数据的信息提取
第206任务: 第四节 文本数据在金融市场的应用
第207任务: 第五节、金融应用与python实现
第208任务: 本章小结和参考资料
第209任务: 实验8-2 利用PLS对美国市场波动率建模
