Machine Learning and Applications in Finance

课程简介

I. 监督学习：训练和测试数据的基本概念、输入空间的维度、泛化、监督学习步骤、算法的选择、偏差-方差困境以及过拟合。模型包括kNN、朴素贝叶斯、决策树、神经网络和多层感知器、深度学习模型。 II. 强化学习：定义、马尔可夫决策过程、控制学习的算法、最优性的标准、价值函数、导向策略搜索、基于策略的学习、Q-Learning、深度强化学习、逆强化学习等。 III. 机器学习在金融中的应用：监督学习在金融中的应用、降维与金融数据可视化、马尔可夫决策过程和强化学习在期权定价中的应用、强化学习在最优交易和市场建模中的应用、强化学习和逆强化学习在股票投资组合交易中的应用。 IV. 案例研究：选择不同的经典和新兴案例进行深入研究和分析。

学习目标

1. 理解现代机器学习技术的基本原理、概念和模型； 2. 将现代机器学习技术应用于解决金融行业中的实际问题，如投资组合优化、最优交易、期权定价和风险管理。

先修要求

无（但建议学生具备一定的初步人工智能/数据挖掘概念，并熟悉线性代数、微积分和概率的基本概念）

教学模式

讲座向学生传授课程的主要概念，结合全面的例子，并通过课堂问答帮助学生理解。辅导和实验课帮助学生复习所学概念，掌握实用技术和必要的工具，以有效开发系统/应用程序。小组项目为学生提供了通过系统实现和人际沟通来发展分析和解决问题能力的机会。