[
-
内容大纲
《保险问道之机器学习模型应用》涵盖六个专题。专题一聚焦机器学习在企业风险预警应用，研究信用风险预警模型构建与评估；专题二基于图挖掘技术开展区域城投风险预警研究，介绍数据处理、模型原理、构建训练及结果解析；专题三探讨机器学习在FOF投研数字化领域应用，涉及研究框架、模型设计与实证；专题四围绕神经网络在保险资金量化投资应用，阐述拓展投资边界、算法内涵及应用问题；专题五提出基于混频数据及共享信息挖掘的深度学习模型在量化中的应用，介绍模型改进与实证结果；专题六分析大规模预训练模型在量化投资中的应用场景，并给出实证结果。各专题均附参考文献，为保险行业机器学习模型应用提供理论与实践参考。 -
作者介绍
中国保险资产管理业协会(以下简称协会，英文名称为Insurance Asset ManagementAssociation of China，缩写为IAMAC)成立于2014年9月，是经中华人民共和国国务院同意，中国保险监督管理委员会和中华人民共和国民政部批准成立的全国性保险资产管理行业自律组织。协会立足于市场需要和行业发展，履行维权、服务、创新、自律四大职能，依托市场平台、凝聚行业力量、整合行业资源、形成行业合力，以建设市场化、专业化、现代化、国际化的金融自律组织为目标，致力于成为提升行业能力、引导行业创新、推动行业发展的重要力量。 -
目录
专题一 机器学习在企业风险预警中的应用研究
第一章 绪论
第一节 研究背景
第二节 研究框架
第三节 研究意义与创新点
第二章 信用风险预警模型与机器学习算法
第一节 机器学习算法概述
第二节 信用风险预警模型的因子体系
第三节 机器学习算法构建信用风险预警模型
第四节 信用风险预警模型的评估
第五节 本章小结
第三章 使用机器学习构建信用风险预警模型
第一节 模型训练
第二节 模型评估与算法比较
第三节 本章小结
第四章 总结与建议
第一节 研究结论
第二节 研究建议
本专题参考文献
附录
专题二 基于图挖掘技术的区域城投风险预警研究
第一章 文献综述
第一节 城投债务问题综述
第二节 金融风险预警建模综述
第二章 数据的收集与处理
第一节 研究数据的来源与获取过程
第二节 节点之间连接权重的构建
第三节 节点信用资质情况的构建
第四节 连接权重和信用资质的标准化
第三章 模型原理
第一节 神经网络技术的演进
第二节 常见的图分析技术介绍
第三节 图神经网络的基本原理与工作机制
第四节 图神经网络的常见类型以及模型选择
第五节 基于自编码器的异常检测技术
第四章 模型的构建及其训练过程
第一节 模型的训练设置
第二节 卷积层的选取
第三节 模型的训练效果
第五章 模型结果解析
第一节 模型的整体误差情况
第二节 一类错误分析
第三节 二类错误分析
第四节 模型整体表现分析
第六章 结论
第七章 展望
本专题参考文献
附录
专题三 机器学习在FOF投研数字化领域的应用研究
第一章 课题背景
第一节 FOF发展历程
第二节 本课题研究内容和研究意义
第二章 相关研究
第一节 基金绩效评估相关研究
第二节 基金持仓、行业测算相关研究
第三节 行业景气度、行业配置相关研究
第四节 FOF组合管理相关研究
第五节 局限性与研究空间
第三章 研究框架
第一节 总体框架
第二节 数据体系
第三节 行业研究
第四节 组合优化
第四章 机器学习模型设计与实证研究
第一节 基金画像
第二节 持仓补齐
第三节 行业穿透
第四节 行业配置模型
第五节 组合优化
第五章 结论与展望
本专题参考文献
专题四 神经网络在保险资金量化投资中的应用研究
第一章 如何拓展保险资金在股票投资上的边界
第二章 机器学习算法的外延与内涵
第三章 从神经网络算法切入机器学习
第四章 神经网络之Transformer在量化选股中的应用
第五章 神经网络应用于保险资金量化投资的可能问题和未来展望
本专题参考文献
专题五 基于混频数据及共享信息挖掘的深度学习模型在量化中的应用
第一章 引言
第一节 研究背景
第二节 文献综述
第三节 研究意义
第四节 研究目的
第二章 基础介绍
第一节 A股市场、混频数据与共享信息
第二节 股票市场的价格预测
第三节 深度学习模型在量化市场的应用
第四节 共享信息挖掘模型综述
第三章 深度学习模型改进
第一节 通过高低频股票数据混频结构调和不同长度信息
第二节 通过Attention-RNN结构对股票时序信息提取
第三节 通过HIST架构获取股票概念信息交叉作用机制
第四节 混频Attention-RNN-HIST模型结构
第五节 设计损失函数和学习速率保证模型的拟合效果
第四章 实证结果
第一节 训练数据
第二节 训练设计
第三节 结果分析
第五章 总结与展望
本专题参考文献
专题六 大规模预训练模型在量化投资中的应用
第一章 引言
第一节 研究背景
第二节 研究意义
第三节 研究目的
第二章 自然语言处理及大语言模型介绍
第一节 自然语言处理研究综述
第二节 大规模预训练模型综述
第三章 大模型在量化投资中的应用场景分析
第一节 通过API调用进行文本分析与提取
第二节 通过微调实现特定任务
第三节 结合LangChain构建本地化知识库模型
第四节 借鉴Transformer结构训练模型
第五节 代码AI生成技术在量化投资领域的应用
第四章 实证结果
第一节 因子生成与文本处理
第二节 微调NLP任务
第三节 金融时事跟踪
第四节 Transformer量化模型应用
第五节 量化代码生成
第五章 结论与展望
本专题参考文献
同类热销排行榜
[an error occurred while processing this directive]推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...