互联网
类型
可以朗读
语音朗读
134千字
字数
2025-01-01
发行日期
展开全部
主编推荐语
深入探讨概率机器学习在金融与投资领域的前沿应用。
内容简介
本书详细阐述了概率机器学习如何从有噪声的金融数据集中持续学习，并实现概率推断、回溯预测、预测及反事实推理。同时，该技术还能将个人、实证及机构知识系统地编码进机器学习模型中。书中通过实战案例，展示了如何利用概率分布量化不确定性，从而做出更贴近现实的金融推断与预测，为决策制定与风险管理提供有力支持。
目录
- 版权信息
- O'Reilly Media，Inc.介绍
- 译者序
- 前言
- 第1章 概率机器学习的需求
- 1.1 金融学不是物理学
- 1.2 所有金融模型皆有谬误且大多无用
- 1.3 三类建模错误
- 1.4 概率金融模型
- 1.5 金融人工智能和机器学习
- 1.6 概率机器学习
- 1.7 本章小结
- 参考文献
- 扩展阅读
- 第2章 不确定性的分析与量化
- 2.1 蒙提霍尔问题
- 2.2 概率公理
- 2.3 反概率公式
- 2.4 模拟解
- 2.5 概率的含义
- 2.6 风险与不确定性
- 2.7 三种不确定性
- 2.8 没有免费午餐定理
- 2.9 投资与归纳问题
- 2.10 问题归纳、没有免费午餐定理与概率机器学习
- 2.11 本章小结
- 参考文献
- 第3章 用于量化输出不确定性的蒙特卡罗模拟
- 3.1 蒙特卡罗模拟：概念验证
- 3.2 关键统计概念
- 3.3 蒙特卡罗模拟的理论基础
- 3.4 软件项目的估值
- 3.5 构建一个健全的蒙特卡罗模拟系统
- 3.6 本章小结
- 参考文献
- 第4章 传统统计方法的风险
- 4.1 反向谬误
- 4.2 零假设显著性检验中的检察官谬误
- 4.3 信心游戏
- 4.4 揭秘信心游戏
- 4.5 本章小结
- 参考文献
- 扩展阅读
- 第5章 概率机器学习框架
- 5.1 探究反概率规则
- 5.2 估计债务违约的概率
- 5.3 用预测概率分布生成数据
- 5.4 本章小结
- 扩展阅读
- 第6章 传统人工智能系统的风险
- 6.1 AI系统：缺乏常识是危险的
- 6.2 为什么最大似然估计模型在金融领域失败了
- 6.3 马尔可夫链蒙特卡罗模拟
- 6.4 本章小结
- 参考文献
- 第7章 生成式集成概率机器学习
- 7.1 最大似然回归模型
- 7.2 概率线性集成模型
- 7.3 使用PyMC库与ArviZ库构建概率线性集成模型
- 7.4 本章小结
- 参考文献
- 扩展阅读
- 第8章 基于生成式集成模型的概率决策
- 8.1 概率推断和预测框架
- 8.2 概率决策框架
- 8.3 风险管理
- 8.4 资本配置
- 8.5 本章小结
- 参考文献
- 扩展阅读
- 作者简介
- 封面简介
- 推荐阅读
展开全部
评分及书评
评分不足
2个评分
出版方
机械工业出版社
机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。
