机器学习与金融分析
课程编码：1800870270X3D2001Z
英文名称：Machine Learning and Financial Analysis
课时：40
学分：2.00
课程属性：专业核心课
主讲教师：吴德胜
教学目的要求
本课程是金融统计专业核心课。随着大数据时代的到来，可用的实时金融数据集范围大幅增加，包括从在线交易记录到高频限价单簿(以特定价格买卖股票的订单)等各种数据。随之带来了低信噪比和复杂多模态等问题，因此机器学习在未来逐渐应用于量化金融是一个必然的趋势。本课程旨在介绍机器学习、量化金融原理、模型；并介绍机器学习在金融分析中的具体操作方法。
预修课程
无
大纲内容
第一章 机器学习基础 6.0学时 吴德胜
第1节 机器学习基础
第2节 支持向量机
第3节 决策树以及随机森林
第二章 无监督学习（Unsupervised learning）、PCA（主成分分析）和降维的核心概念 10.0学时 吴德胜
第1节 无监督学习的核心概念
第2节 PCA降维
第3节 采用PCA方法对股票收益进行降纬， tSNE降维，使用自动编码器（Autoencoders）进行降维
第三章 数据可视化和聚类 14.0学时 吴德胜
第1节 聚类算法
第2节 K-clustering，K-means 神经算法
第3节 层次聚类算法
第4节 权益相关矩阵的聚类与估计
第5节 最小生成树
第6节 Kruskal 算法
第7节 概率聚类
第四章 序列建模和强化学习 10.0学时 吴德胜
第1节 序列建模：潜在变量，序列建模，序列的潜在变量，状态空间模型，隐马尔可夫模型，序列数据的神经架构
第2节 强化学习：简介，核心理念，马尔可夫决策过程和强化学习 ，贝尔曼方程，强化学习和逆强化学习
教材信息
1、
Hands-On Machine Learning with Scikit-Learn and TensorFlow
Geron Aurelien
2017年03月
O’Reilly Media
2、
Machine Learning: A Probabilistic Perspective
K. Murphy
2009年01月
MIT Press
3、
Pattern Recognition and Machine Learning
C. Bishop
2016年10月
Springer
4、
Machine Learning: an Algorithmic Perspective
S. Marsland
2014年11月
Taylor & Francis Inc
参考书
课程教师信息
吴德胜-中国科学院大学-UCAS https://people.ucas.ac.cn/~0037722