| |
金融風險管理的機器學習應用｜使用Python
|
|
| Machine Learning for Financial Risk Management with Python |
|
|
| |
|
|
|
|
|
|
|
ISBN： |
9786263242913 |
| 定价: |
NT680 |
| 售价: |
RM106.30 |
|
优惠价:
|
RM94.61 *
|
| 库存量:
|
海外库存
下单时可选择“空运”或“海运”（空运和海运需独立下单）。空运费每本书/CD是RM35.00。
空运需时9-12个工作天，海运需时约30个工作天。
（以上预计时间不包括出版社调货的时间以及尚未出版的预购商品） |
| |
|
| |
放入下次购买清单 |
| |
|
|
作者：
|
Abdullah Karasan
|
| 译者： |
楊新章 |
|
出版社： |
歐萊禮
|
|
出版日期：
|
2023-07-04 |
|
装订:
|
平裝. 單色印刷. 352 页. 23. |
| |
|
| |
|
|
|
| |
|
|
|
|
|
|
| |
|
|
| |
風險建模演算法
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
好評推薦
「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
|
|
| |
|
|
| |
|
|
| |
|
|
| |
|
|
| |
目錄
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
|
|
| |
|
|
| |
|
|
| |
|
|
| |
|
|
| |
作者簡介
Abdullah Karasan
Abdullah Karasan 是Magnimind首席資料科學家和馬里蘭大學巴爾的摩分校講師。 |
|
| |
|
|
| |
|
|
| |
|
|
|
