金融与财务机器学习

目　　录
前　言
**章　金融与财务领域的机器学习1
　　**节　机器学习的基本介绍1
　　　　一、机器学习的历史2
　　　　二、机器学习的分类5
　　　　三、机器学习的思想6
　　　　四、机器学习的要素8
　　　　五、机器学习的步骤9
　　　　六、机器学习与传统编程10
　　第二节　机器学习在金融与财务领域的应用特性11
　　　　一、金融与财务对机器学习的需求性11
　　　　二、机器学习的优势13
　　　　三、机器学习可能面临的挑战14
　　第三节　机器学习在金融与财务领域的应用现状18
第二章　Python软件使用简介23
　　**节　Python入门23
　　　　一、Python简介23
　　　　二、Python安装24
　　　　三、Python使用25
　　　　四、Python基础知识26
　　第二节　Python数据处理程序包37
　　　　一、多维数组Numpy37
　　　　二、面板处理Pandas42
　　　　三、科学计算SymPy49
　　　　四、统计分析Statsmodels53
　　　　五、金融计量Linearmodels55
　　第三节　Python机器学习程序包58
　　　　一、机器学习58
　　　　二、深度学习62
第三章　金融与财务大数据的处理与分析64
　　**节　大数据时代64
　　　　一、理解大数据64
　　　　二、金融大数据65
　　　　三、本章概览65
　　第二节　金融与财务数据资源65
　　　　一、国泰安中国经济金融研究数据库65
　　　　二、万得资讯67
　　　　三、中国研究数据服务平台68
　　　　四、证券价格研究中心(CRSP)70
　　　　五、公开数据源72
　　　　六、文献数据源77
　　第二节　描述性统计88
　　　　一、中心趋势性88
　　　　二、分散性89
　　　　三、对称性和厚尾性89
　　　　四、持续性90
　　　　五、相关性90
　　第三节　数据预处理93
　　　　一、缺失值处理93
　　　　二、异常值处理94
　　　　三、标准化处理96
　　第四节　特征工程97
　　　　一、特征工程简介97
　　　　二、特征选择97
第四章　因子与因子模型103
　　**节　因子与因子模型简介103
　　　　一、金融与财务因子与因子模型简介103
　　　　二、从单因子模型到多因子模型104
　　第二节　Alpha与市场异象106
　　　　一、Alpha收益106
　　　　二、资产价格异象107
　　第三节　多因子模型的新发展108
　　　　一、因子检验的一般流程108
　　　　二、Fama-French五因子模型109
　　　　三、Hou-Xue-Zhang的q-因子模型110
　　　　四、Stambaugh-Yuan错误定价因子模型111
　　　　五、Liu-Stambaugh-Yuan的CH-3模型113
　　第四节　因子分类114
　　　　一、常见的因子分类114
　　　　二、其他特色因子119
　　第五节　因子模型的研究挑战121
　　　　一、因子时变性121
　　　　二、因子有效性识别122
　　　　三、因子研究的近况与挑战123
第五章　因子模型的估计、检验与解释126
　　**节　因子模型检验概述126
　　第二节　组合分析法128
　　　　一、单变量组合分析129
　　　　二、双变量组合分析132
　　　　三、三变量组合分析135
　　第三节　因子模拟组合法136
　　　　一、排序分组法137
　　　　二、方差*小化法137
　　第四节　时间序列回归法139
　　　　一、Alpha检验140
　　　　二、GRS检验140
　　第五节　Fama-MacBeth回归法141
　　　　一、Fama-MacBeth两阶段回归141
　　　　二、Fama-MacBeth三阶段回归143
　　第六节　解释因子模型146
　　　　一、风险补偿146
　　　　二、错误定价147
　　　　三、数据挖掘149
第六章　金融资产收益预测154
　　**节　资产收益的可预测性154
　　　　一、资产收益可预测性的讨论154
　　　　二、资产收益可预测性的解释156
　　第二节　样本内预测158
　　　　一、方差比检验158
　　　　二、样本内预测159
　　　　三、预测模型面临的挑战162
　　　　四、新的金融预测方法162
　　第三节　样本外预测163
　　　　一、样本外预测的统计量163
　　　　二、投资价值评估165
　　　　三、其他预测方法166
　　第四节　预测指标的选择167
　　　　一、宏观经济指标168
　　　　二、估值与财务指标168
　　　　三、情绪指标169
　　　　四、技术面指标170
　　　　五、波动率指标170
　　第五节　Campbell-Shiller现金流折现率分解171
　　　　一、来源与推导171
　　　　二、进一步讨论173
第七章　包含惩罚项的线性回归模型177
　　**节　*小二乘法线性回归模型177
　　　　一、线性回归177
　　　　二、OLS模型的基本原理178
　　　　三、OLS模型的应用179
　　第二节　岭回归182
　　　　一、岭回归的提出182
　　　　二、岭回归的基本原理182
　　　　三、岭回归的变量选择特征184
　　　　四、岭回归的调节参数选择184
　　第三节　LASSO模型188
　　　　一、LASSO模型的提出188
　　　　二、LASSO模型的基本原理188
　　　　三、LASSO模型的变量选择特征189
　　　　四、LASSO模型的扩展192
　　　　五、LASSO模型的应用193