机读格式显示(MARC)

• 000 01794nam0 2200325 450

• 001 0000407503

• 005 20230105120500.0

• 010 __ |a 978-7-111-69948-4 |b 精装 |d CNY88.00

• 021 __ |a CN |b 01-2020-3791

• 049 __ |a A330300WZL |b UCS01010982520 |c 2005594752

• 100 __ |a 20220417d2022 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a a y 000yy

• 106 __ |a r

• 200 1_ |a 面向资产管理者的机器学习 |A Mian Xiang Zi Chan Guan Li Zhe De Ji Qi Xue Xi |b 专著 |d Machine learning for asset managers |f (西)马科斯·M. 洛佩斯·德普拉多(Marcos M. López de Prado)著 |g 冯鑫，张大庆，王飞跃译 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2022

• 215 __ |a 240页 |c 图 |d 21cm |e 2

• 330 __ |a 本书基于机器学习和人工智能，指明从一个投资理念和理论到成功的投资策略具体实施的量化途径。作者认为一个缺乏理论依据的投资策略很可能是错误的。为此，资产管理者应致力于发展理论，而不仅是回测潜在的交易规则。本书就是从帮助资产管理者发现经济和金融理论的角度出发，介绍机器学习的工具。机器学习不是一个黑匣子，也不一定会过拟合。机器学习的工具与经典统计方法是互补关系而不是替代关系。本书认为机器学习的一些优点包括：注重样本外的可预测性，而不是样本内的方差判断；使用计算方法避免依赖一些（或许不切实际的）假设；能够“学习”复杂的规范，包括高维空间中的非线性、分层和非连续的交互效应；能够将变量搜索与设定搜索分离，并能很好地防止多重线性和其他替代效应。

• 510 1_ |a Machine learning for asset managers |z eng

• 606 0_ |a 机器学习 |A Ji Qi Xue Xi |x 应用 |x 资产管理 |x 研究

• 690 __ |a F20 |v 5

• 701 _0 |c (西) |a 德普拉多 |A De Pu La Duo |c (Prado, Marcos M. López de) |4 著

• 702 _0 |a 冯鑫 |A Feng Xin |4 译

• 702 _0 |a 张大庆 |A Zhang Da Qing |4 译

• 702 _0 |a 王飞跃 |A Wang Fei Yue |4 译

• 801 _2 |a CN |b OLCC |c 20220712

• 801 _0 |a CN |b A330300WZL |c 20220424

• 905 __ |a XATU |d F20/121

• 920 __ |a 261060 |z 1