现代金融业在面对有限市场数据和多样资产类别的庞大投资组合时,迫切需要处理这些挑战。
《金融信号处理和机器学习》这本书汇集了信号处理和机器学习领域的最新进展,专注于设计和管理投资组合以及金融工程。
本书填补了这些学科之间的知识差距,提供了关键主题的前沿信息,涵盖了高维统计相关性和相关性描述、构建有效且稳健的风险度量,以及它们在投资组合优化和再平衡中的应用。
特色亮点包括强调信号处理和机器学习在量化金融中的关键作用,为高维投资组合构建、监控和交易后分析问题提供先进的数学工具。
本书介绍了投资组合理论、稀疏学习和压缩感知,以及投资组合的稀疏性方法。内容涵盖了特征组合、模型回报、动量、均值回归和非高斯数据驱动的风险度量等技术,并展示了它们在实际世界中的应用。
最为独特之处在于融合了信号和信息处理社区以及量化金融社区的主要研究人员和从业人员的贡献,使读者能够从多个领域汲取丰富的经验和见解。
如果需要pdf可以直接留言【Python】