第一部分基于橫截面數(shù)據(jù)的機(jī)器學(xué)習(xí)
第1章 引論 3
1.1 背景 3
1.2 機(jī)器學(xué)習(xí)與預(yù)測(cè) 7
1.3 統(tǒng)計(jì)建模與機(jī)器學(xué)習(xí) 15
1.4 強(qiáng)化學(xué)習(xí) 21
1.5 實(shí)踐中監(jiān)督機(jī)器學(xué)習(xí)的示例 27
1.6 本章小結(jié) 39
1.7 習(xí)題 40
第2章 概率建模 48
2.1 簡(jiǎn)介 48
2.2 貝葉斯 vs.頻率估計(jì) 49
2.3 從數(shù)據(jù)中進(jìn)行頻率推斷 51
2.4 評(píng)估估計(jì)量的質(zhì)量：偏差和方差 54
2.5 關(guān)于估計(jì)量的偏差-方差權(quán)衡(困境) 56
2.6 從數(shù)據(jù)中進(jìn)行貝葉斯推斷 56
2.7 模型選擇 63
2.8 概率圖模型 69
2.9 本章小結(jié) 74
2.10 習(xí)題 75
第3章 貝葉斯回歸和高斯過(guò)程 80
3.1 簡(jiǎn)介 80
3.2 線性回歸的貝葉斯推斷 81
3.3 高斯過(guò)程回歸 89
3.4 大規(guī)�？煽s放高斯過(guò)程 94
3.5示例：使用單-GP進(jìn)行定價(jià)和希臘值計(jì)算 96
3.6多響應(yīng)高斯過(guò)程 101
3.7 本章小結(jié) 103
3.8 習(xí)題 104
第4章 前饋神經(jīng)網(wǎng)絡(luò) 109
4.1 簡(jiǎn)介 109
4.2 前饋架構(gòu) 110
4.3 凸性與不等式約束 129
4.4 訓(xùn)練、確認(rèn)和測(cè)試 136
4.5 隨機(jī)梯度下降 139
4.6 貝葉斯神經(jīng)網(wǎng)絡(luò) 144
4.7 本章小結(jié) 148
4.8 習(xí)題 148
第5章 可解釋性 165
5.1 簡(jiǎn)介 165
5.2 關(guān)于可解釋性的背景 165
5.3 神經(jīng)網(wǎng)絡(luò)的解釋力 167
5.4 交互效應(yīng) 168
5.5 雅可比矩陣方差的界 171
5.6因子建模 175
5.7本章小結(jié) 181
5.8練習(xí) 182
第二部分 序貫學(xué)習(xí)
第6章 序貫建模 189
6.1 簡(jiǎn)介 189
6.2 自回歸建模 190
6.3 擬合時(shí)間序列模型：Box-Jenkins方法 201
6.4 預(yù)測(cè) 206
6.5 主成分分析 209
6.6 本章小結(jié) 212
6.7 習(xí)題 213
第7章 概率序列建模 216
7.1 簡(jiǎn)介 216
7.2 隱馬爾可夫建模 217
7.3 粒子濾波 222
7.4 隨機(jī)濾波器的點(diǎn)校準(zhǔn) 225
7.5 隨機(jī)濾波器的貝葉斯校準(zhǔn) 227
7.6 本章小結(jié) 229
7.7 習(xí)題 229
第8章 高級(jí)神經(jīng)網(wǎng)絡(luò) 234
8.1 簡(jiǎn)介 234
8.2 循環(huán)神經(jīng)網(wǎng)絡(luò) 235
8.3 門控循環(huán)單元(GRU) 243
8.4 Python Notebook示例 250
8.5 卷積神經(jīng)網(wǎng)絡(luò) 251
8.6 自編碼器 259
8.7 本章小結(jié) 264
8.8 習(xí)題 265
第三部分 時(shí)序數(shù)據(jù)與決策
第9章 強(qiáng)化學(xué)習(xí)導(dǎo)論 273
9.1 簡(jiǎn)介 273
9.2 強(qiáng)化學(xué)習(xí)的元素 277
9.3 馬爾可夫決策過(guò)程 282
9.4 動(dòng)態(tài)規(guī)劃方法 292
9.5 強(qiáng)化學(xué)習(xí)方法 298
9.6 本章小結(jié) 328
9.7 習(xí)題 328
第10章 強(qiáng)化學(xué)習(xí)的應(yīng)用 337
10.1 簡(jiǎn)介 337
10.2 用于期權(quán)定價(jià)的QLBS模型 339
10.3 離散時(shí)間的Black-Scholes-Merton模型 342
10.4 QLBS模型 349
10.5 關(guān)于股票投資組合的G-學(xué)習(xí) 368
10.6 關(guān)于財(cái)富管理的強(qiáng)化學(xué)習(xí) 388
10.7 本章小結(jié) 399
10.8習(xí)題 401
第11章 逆強(qiáng)化學(xué)習(xí)和模仿學(xué)習(xí) 406
11.1 簡(jiǎn)介 406
11.2 逆強(qiáng)化學(xué)習(xí) 409
11.3 最大熵逆強(qiáng)化學(xué)習(xí) 415
11.4 示例：用于客戶偏好推斷的最大熵逆強(qiáng)化學(xué)習(xí) 429
11.5 對(duì)抗模仿學(xué)習(xí)和逆強(qiáng)化學(xué)習(xí) 444
11.6 除GAIL之外：AIRL、f-MAX、FAIRL、RS-GAIL等 456
11.7 高斯過(guò)程逆強(qiáng)化學(xué)習(xí) 465
11.8 逆強(qiáng)化學(xué)習(xí)能否超越導(dǎo)師? 468
11.9讓我們嘗試一下：關(guān)于金融懸崖漫步的逆強(qiáng)化學(xué)習(xí) 474
11.10 逆強(qiáng)化學(xué)習(xí)的金融應(yīng)用 478
11.11 本章小結(jié) 495
11.12 習(xí)題 496
第12章 機(jī)器學(xué)習(xí)與金融的前沿 502
12.1 簡(jiǎn)介 502
12.2 市場(chǎng)動(dòng)態(tài)、逆強(qiáng)化學(xué)習(xí)和物理學(xué) 504
12.3 物理學(xué)與機(jī)器學(xué)習(xí) 511
12.4 機(jī)器學(xué)習(xí)的“大一統(tǒng)”? 518