游客,欢迎您!
登录
注册
您的建议
0
高级检索
全部
题名
ISBN
作者
出版社
客户端下载
个人中心
学科
哲学
哲学
经济学
理论经济学
应用经济学
法学
法学
政治学
社会学
民族学
马克思主义理论
公安学
教育学
教育学
心理学
体育学
文学
中国语言文学
外国语言文学
新闻传播学
历史学
考古学
中国史
世界史
理学
数学
物理学
化学
天文学
地理学
大气科学
海洋科学
地球物理学
地质学
生物学
系统科学
科学技术史
生态学
统计学
工学
力学
机械工程
光学工程
仪器科学与技术
材料科学与工程
冶金工程
动力工程及工程热物理
电气工程
电子科学与技术
信息与通信工程
控制科学与工程
计算机科学与技术
建筑学
土木工程
水利工程
测绘科学与技术
化学工程与技术
地质资源与地质工程
矿业工程
石油与天然气工程
纺织科学与工程
轻工技术与工程
交通运输工程
船舶与海洋工程
航空宇航科学与技术
兵器科学与技术
核科学与技术
农业工程
林业工程
环境科学与工程
生物医学工程
食品科学与工程
城乡规划学
风景园林学
软件工程
生物工程
安全科学与工程
公安技术
农学
作物学
园艺学
农业资源利用
植物保护
畜牧学
兽医学
林学
水产
草学
医学
基础医学
临床医学
口腔医学
公共卫生与预防医学
中医学
中西医结合
药学
中药学
特种医学
医学技术
护理学
军事学
军事思想及军事历史
战略学
战役学
战术学
军队指挥学
军制学
军队政治工作学
军事后勤学与军事装备学
军事装备学
军事训练学
管理学
管理科学与工程
工商管理
农林经济管理
公共管理
图书馆、情报与档案管理
艺术学
艺术学理论
音乐与舞蹈学
戏剧与影视学
美术学
设计学
中图法
A 马克思主义、列宁主义、毛泽东思想、邓小平理论
B 哲学、宗教
哲学理论
C 社会科学总论
社会学
D 政治、法律
政治理论
E 军事
军事理论
、
世界军事
F 经济
经济学
、
农业经济
G 文化、科学、教育、体育
H 语言、文字
语言学
、
汉语
I 文学
文学理论
、
世界文学
J 艺术
艺术理论
、
摄影艺术
K 历史、地理
史学理论
N 自然科学总论
系统科学
O 数理科学和化学
数学
P 天文学、地球科学
天文学
Q 生物科学
植物学
、
动物学
R 医药、卫生
医学研究方法
S 农业科学
农业经济
、
园艺
T 工业技术
工业技术理论
U 交通运输
交通运输经济
V 航空、航天
航空、航天医学
X 环境科学、安全科学
Z 综合性图书
丛书
、
辞典
首页
新书专区
专题推荐
排行榜
数字资源平台
>
经济学
>
应用经济学
>
金融学(含∶保险学)
>
金融大模型开发基础与实践
阅读次数:
4
下载次数:
2
荐购次数:
0
收藏次数:
0
金融大模型开发基础与实践
作者:
陈强
著
出版社:
北京大学出版社
出版时间:
2024.08
ISBN:
978-7-301-35320-2
主题:
银行业务
中图法分类号:
F830.49
【中图法分类】
F 经济
>
F8财政、金融
>
F83金融、银行
【学科分类】
经济学
>
应用经济学
>
金融学(含∶保险学)
经济学
>
金融
建议阅读终端:
扫描用手机阅读此书支持Android/iPhone
在线试读
EPUB格式
下载
EPUB下载
分享到
新浪微博
QQ空间
豆瓣网
注:如果您的电脑尚未安装PC客户端,请先
安装客户端
后再下载阅读!
编辑推荐
简介
目录
评论
从基础到实践,一本书读懂AI大模型如何推动金融业高质量发展
简介
本书结合具体实例循序渐进地讲解了金融大模型开发的核心知识。 全书共12章,分别讲解了大模型基础、大模型开发技术栈、数据预处理与特征工程、金融时间序列分析、金融风险建模与管理、高频交易与算法交易、信用风险评估、资产定价与交易策略优化、金融市场情绪分析、银行应用大模型开发实战、区块链与金融科技创新和未来金融智能化发展趋势。本书内容丰富全面,是学习金融大模型开发的优秀教程。
目录
封面
版权页
前言
第1章 大模型基础
1.1 人工智能
1.1.1 人工智能的发展历程
1.1.2 人工智能的研究领域
1.1.3 人工智能对人们生活的影响
1.2 机器学习和深度学习
1.2.1 机器学习
1.2.2 深度学习
1.2.3 机器学习和深度学习的区别
1.3 大模型介绍
1.3.1 大模型的作用
1.3.2 数据
1.3.3 数据和大模型的关系
1.4 人工智能与金融行业交融
1.4.1 人工智能驱动的金融创新
1.4.2 大模型在金融行业中的应用
第2章 大模型开发技术栈
2.1 深度学习框架
2.1.1 TensorFlow
2.1.2 PyTorch
2.2 数据预处理与处理工具
2.2.1 Pandas
2.2.2 NumPy
2.3模型部署与推理
2.3.1 Docker和Kubernetes
2.3.2 部署平台
2.4 其他技术
2.4.1 模型训练和调优
2.4.2 模型架构和设计
2.4.3 加速、优化和安全性
第3章 数据预处理与特征工程
3.1 数据清洗与处理
3.1.1 数据质量检查与缺失值处理
3.1.2 异常值检测与处理
3.1.3 数据重复性处理
3.2 特征选择与特征提取
3.2.1 特征选择方法
3.2.2 特征提取技术
3.3 数据标准化与归一化
3.3.1 标准化与归一化的概念
3.3.2 金融模型中的标准化与归一化例子
第4章 金融时间序列分析
4.1 时间序列的基本概念
4.1.1 什么是时间序列数据
4.1.2 时间序列数据的特点
4.1.3 时间序列分析在金融领域的应用
4.2 常用的时间序列分析方法
4.2.1 移动平均法
4.2.2 自回归模型
4.2.3 自回归移动平均模型
4.2.4 季节性自回归集成移动平均模型
4.2.5 ARCH和GARCH模型
4.2.6 向量自回归模型
4.2.7 协整分析
4.2.8 机器学习方法
第5章 金融风险建模与管理
5.1 金融风险的概念与分类
5.1.1 金融风险的基本概念
5.1.2 金融风险的分类
5.2 基于人工智能的金融风险建模方法
5.2.1 传统风险建模方法回顾
5.2.2 机器学习在金融风险建模中的应用
5.2.3 数据驱动的风险建模
5.3 制作贵州茅台的ARCH模型
5.3.1 准备数据
5.3.2 制作波动模型
5.3.3 加入特征数据:市场指数
5.3.4 制作股价预测模型
5.4 信贷投资组合风险评估模拟程序
5.4.1 实例介绍
5.4.2 设置信贷投资组合参数和可视化
5.4.3 定义风险度量和计算风险贡献
5.4.4 损失分布估计和可视化
第6章 高频交易与算法交易
6.1 高频交易
6.1.1 高频交易的特点
6.1.2 高频交易的挑战与风险
6.1.3 传统高频交易策略回顾
6.1.4 机器学习在高频交易中的应用
6.1.5 高频交易中的预测建模
6.1.6 量化交易框架
6.2 算法交易
6.2.1 算法交易策略的特点和优势
6.2.2 算法交易和量化交易的区别
6.2.3 制作算法交易模型
6.3 量化选股程序
6.3.1 Tushare令牌初始化
6.3.2 辅助函数
6.3.3 保存结果
6.3.4 股票详情
6.3.5 选股策略
6.3.6 主程序
第7章 信用风险评估
7.1 信用风险的概念与评估方法
7.1.1 信用风险的基本概念
7.1.2 信用评估方法
7.2 人工智能在信用风险评估中的应用
7.2.1 传统信用评估方法的局限性
7.2.2 机器学习与信用风险评估
7.2.3 风险模型的解释性与可解释性
7.3 金融风险管理实战:制作信贷风控模型
7.3.1 读取数据集数据
7.3.2 探索性数据分析
7.3.3 编码分类变量
7.3.4 数据分析
7.3.5 相关性分析
7.3.6 外部数据源
7.3.7 绘制成对图
7.3.8 特征工程
7.3.9 创建基线模型
7.3.10 优化模型
7.3.11 制作LightGBM模型
第8章 资产定价与交易策略优化
8.1 资产定价模型概述
8.1.1 常见的资产定价模型
8.1.2 金融市场的非理性行为
8.2 基于人工智能的资产定价方法
8.2.1 传统资产定价模型的局限性
8.2.2 机器学习与资产定价
8.3 交易策略优化
8.3.1 交易策略的基本概念
8.3.2 基于人工智能的交易策略优化
8.4 股票交易策略实战:制作股票交易策略模型
8.4.1 准备环境
8.4.2 准备数据
8.4.3 下载、清理和预处理股票数据
8.4.4 添加技术指标
8.4.5 拆分数据集
8.4.6 准备训练模型环境
8.4.7 训练DDPG模型
8.4.8 训练A2C模型
8.4.9 测试模型
8.4.10 保存交易决策数据
8.4.11 对交易策略进行模拟测试
第9章 金融市场情绪分析
9.1 情绪分析的概念与方法
9.1.1 情绪分析的基本概念
9.1.2 金融市场情绪的重要性
9.1.3 情绪分析的方法
9.2 基于人工智能的金融市场情绪分析
9.2.1 传统情绪分析方法的局限性
9.2.2 机器学习与情绪分析
9.3 预训练模型:BERT
9.3.1 BERT模型介绍
9.3.2 情感关键字
9.3.3 模型微调
9.4 预训练模型:FinBERT
9.4.1 FinBERT模型介绍
9.4.2 基于FinBERT模型的市场情感分析系统
第10章 银行应用大模型开发实战
10.1 银行应用大模型基础
10.1.1 银行应用大模型概述
10.1.2 大模型在银行业的重要性
10.2 贷款预测模型
10.2.1 项目背景
10.2.2 数据集介绍
10.2.3 数据探索
10.2.4 数据预处理
10.2.5 制作模型
10.2.6 比较模型
10.3 银行消费者投诉处理模型
10.3.1 背景介绍
10.3.2 数据集预处理
10.3.3 目标特征的分布
10.3.4 探索性数据分析
10.3.5 制作模型
第11章 区块链与金融科技创新
11.1 区块链技术的概念与原理
11.1.1 区块链产生的背景
11.1.2 区块链的基本概念
11.2 人工智能与区块链的结合应用
11.2.1 人工智能与区块链的融合
11.2.2 区块链和大模型
11.3 检测以太坊区块链中的非法账户
11.3.1 数据集介绍
11.3.2 数据预处理
11.3.3 数据分析
11.3.4 拆分数据集
11.3.5 特征缩放
11.3.6 构建模型和超参数调优
11.3.7 模型评估
11.4 比特币价格预测系统
11.4.1 GreyKite介绍
11.4.2 数据预处理
11.4.3 创建预测
11.4.4 交叉验证
11.4.5 后测试
11.4.6 预测
11.4.7 模型诊断
11.4.8 使用LSTM训练模型
11.4.9 模型性能可视化
第12章 未来金融智能化发展趋势
12.1 人工智能在金融领域的应用前景
12.2 未来金融智能化发展趋势的展望
12.2.1 智能化金融服务的普及
12.2.2 区块链与数字货币的演进
12.2.3 金融监管与法规的调整
封底
展开 ∨
评论
评分:
1
2
3
4
5
评价:
请输入评论信息
5
0
/255
我要评论
全部评论(0)
默认排序
默认排序
最新排序
相关推荐
以交易为生:珍藏版 全彩版.Ⅱ 卖出的艺术.How to take profits, cut losses, and benefit from price declines
(美)亚历山大·埃尔德(Alexander Elder)著
查理·芒格的智慧:投资的格栅理论 the last liberal art 纪念版
(美)罗伯特·G.哈格斯特朗(Robert G. Hagstrom)著
新质生产力大变革
陈晓华,邹智广主编
绝对成交:理财经理话术策略
昌利国著
破局之道:财富管理共赢策略
万幸著
广东省创业投资行业发展报告.2017
朱卫平主编
2017广东省科技金融发展报告
广东华南科技资本研究院编
中国主要城市2017-2018年度营商环境报告:基于制度落实角度
朱羿锟等著
招商引资导论
孙博著
汽车金融产品设计
童倩著
请输入图形验证码
换一换
Loading...