板块 5 - 数据科学与机器学习2

欢迎点赞，收藏～更多量化课程持续更新ing

在板块五中，您将学习更多用于金融机器学习的方法。从无监督学习、深度学习和神经网络开始，我们将进入自然语言处理和强化学习。您将学习理论框架，但更重要的是，分析实际案例研究，探索这些技术如何在金融中使用。

1. 无监督学习|

• K聚类
• 自组织映射
• HAC和SOM的优缺点
• 金融工程应用

2. 无监督学习II

• 维度的灾难
• t-SNE算法
• UMAP算法
• 自编码器
• 金融工程应用

3. 深度学习和神经网络

• 什么是人工神经网络和深度学习？
• 感知器模型，反向传播
• 神经网络结构：前馈、递归、长短记忆、卷积、生成对抗
• 金融工程应用

4. 自然语言处理

• 预处理
• 文本矢量化，Word2Vec
• 深度学习和自然语言处理工具
• 金融应用：情绪变化与远期回报；标准普尔500指数情绪变化趋势；收益分析
• 代码示例

5. 强化学习I

• 多臂老虎机算法概述
• 开采-勘探权衡问题
• 探索策略：softmax与epsilon贪心算法
• 强化学习中的风险敏感性

6. 强化学习II

• 强化学习案例研究
• 算法交易的应用
• 自动交易的市场应用

7. 基于人工智能的算法交易策略

• 使用Python和Pandas进行基本财务数据分析
• 从金融时间序列中创建特征和标签数据以进行市场预测
• 机器学习分类算法在预测市场走势中的应用
• 基于预测的算法交易策略矢量化回溯测试
• 算法交易策略的风险分析

8. 金融实用机器学习案例研究

• 资产价格行为和波动性建模
• 结合估计漂移、扩散函数的最简随机微分方程
• 广义Stoch-Vol模型，动态数据学习模型
• 基于机器学习的期权定价和套期保值
• 奇异期权的无模型定价
• 基于机器学习的稳健投资组合优化
• 协方差矩阵去噪和去调
• 嵌套聚类优化

9. 金融中的量子计算

• 定义量子计算
• 回顾量子计算的三个关键要素：量子比特、量子门和量子电路
• 列举一些量子计算在各个领域的应用
• 使用 IBM Quantum Experience 在线构建简单的量子电路
• 了解如何使用 Python 模块 Qiskit 编写自己的量子程序
• 回顾量子计算的一些金融应用，特别是欧洲看涨期权