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

第137任务：（2）降维方法的简介

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

联系地址：湖南·湘潭市桃园路(411201)

版权所有：湖南科技大学

技术支持：北京百智享科技有限公司

湘ICP备10001692号-1、湘ICP备10001692号-2

联系电话：0731-58290011 邮箱：faoffice@hnust.edu.cn

湘公网安备 43030202001075号

课程存档