本书是少有的研究机器学习在量化投资中应用的专著。主要运用多层感知器神经
网络、广义自回归神经网络、模糊神经网络与支持向量机对证券时间序列进行回归分析。
特别是在支持向量机框架下构造了小波、流形小波与样条小波三种核函数，并在此基础上
建立了股指收益与波动预测两类新的量化投资模型。与经典高斯核相比，具备多分辨分析
特性的新模型能较好地捕捉曲线性状，各预测指标在模拟数据与真实数据上均占优，表明
其具有良好的适用性与有效性。
机器学习在量化投资中的应用研究2014.11_13662591_P157.pdf
08354384317[下载].rar
|
收藏
