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199任务： 第四节 超参数调优
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
