如何利用金融数据进行深度学习（机器学习与资产定价）

如何利用金融数据进行深度学习（机器学习与资产定价）本书在各电商平台有售张晓燕，清华大学五道口金融学院副院长、金融学讲席教授、清华大学国家金融研究院副院长、清华大学金融科技研究院副院长、鑫苑房地产金融科技研究中心主任。主要研究领域为国际金融、实证资产定价、应用计量经济学和金融科技。作者介绍吴辉航，清华大学五道口金融学院博士后，主要研究领域为财政税收、资产定价、机器学习和金融科技。魏行空，中信建投证券总部机构业务部算法交易组高级经理，主要从事算法交易、高频量化分析、机器学习算法在高频交易中的应用等研究。

近年来，人工智能在金融学领域的应用已经非常广泛，特别是机器学习模型作为人工智能核心技术之一，对实证资产定价领域的影响深远。近日，清华大学五道口金融学院博士后吴辉航、中信建投证券总部算法交易组高级经理魏行空、清华大学五道口金融学院副院长张晓燕教授合著的新书《机器学习与资产定价》由清华大学出版社重磅出版，这是国内第一部探讨如何将机器学习技术应用于实证资产定价研究的作品。

众所周知，机器学习技术在很多领域都产生了深远的影响，人脸识别，自动驾驶等应用场景已经开始改变人们的生活。但是如何将机器学习技术应用于预测资产收益率，却一直是一个悬而未决的事情。金融数据相比于其他行业的数据，最大的区别就是金融数据的信噪比极低，因此提取有效信息的难度相比于其他行业要高很多。决定资产价格的因素众多，其影响程度也随着时间的变化而变化。在这种情况下，简单套用机器学习技术在其他领域取得成功的范式和模型无异于刻舟求剑，缘木求鱼。如何将机器学习技术应用于资产定价，是本书想要回答的核心问题，也是本书作者研究的初衷。

本书不仅详细阐述了机器学习模型在股票收益率预测上相比于传统金融计量方法的优势，还介绍了机器学习算法知识。从机器学习的基本原理出发，作者先后介绍了线性模型，决策树模型以及神经网络模型等经典的机器学习模型。对于每一个模型，作者从优化函数到具体的参数选择都给出了全面的说明，并结合编程语言给出了每个模型调用参数的解释，帮助读者更好的学习和使用。

本书完整的说明了机器学习模型应用于股票收益率预测的具体过程。首先梳理了中国股票市场制度背景。基于中国股票市场的制度和特征，详尽介绍了机器学习数据清洗过程和步骤。最后，作者给出了机器学习算法在中国金融市场中的实证结果。实证结果表明，即使是传统的机器学习算法，在解决资产定价的很多中问题都取得了不错的成果。此外，机器学习在资产定价领域的应用非常广泛，本文的案例分析聚焦于在股票预测收益率问题这个重要而且非常具有代表性的问题上，机器学习在金融领域的应用和实践，也等待着各位读者自行探索。

作者介绍

吴辉航，清华大学五道口金融学院博士后，主要研究领域为财政税收、资产定价、机器学习和金融科技。

魏行空，中信建投证券总部机构业务部算法交易组高级经理，主要从事算法交易、高频量化分析、机器学习算法在高频交易中的应用等研究。

张晓燕，清华大学五道口金融学院副院长、金融学讲席教授、清华大学国家金融研究院副院长、清华大学金融科技研究院副院长、鑫苑房地产金融科技研究中心主任。主要研究领域为国际金融、实证资产定价、应用计量经济学和金融科技。

本书在各电商平台有售