內容簡介
隨著計算機技術在運算能力、數據存儲等方面的快速發展,傳統股票投資方法的弊端被不斷放大,新興的量化投資方法受到人們的廣泛關注,依賴計算機技術的機器學習算法越來越多的應用在股票研究領域之中。支持向量機、K緊鄰、遺傳算法等多種機器學習算法都被成功應用於量化投資領域,本書改進了FA算法的動態搜索能力,將MFA算法應用於變量的選取及參數尋優,繫統地構建了基於MFA-SVM的量化擇時模型;針對傳統神經網絡層數不足等局限性,提出一種適用於股票擇時問題的混合CNN-RNN模型,由一維CNN模塊(卷積層和池化層)、RNN模塊(雙層LSTM和雙層GRU)、ReLU激活函數層組成,並進行了實證研究,為相關學者後續研究提供了新思路和新方法。本書可供信息管理與金融類專業高年級本科生與研究生使用,也可供從事機器學習技術與應用研究的科研人員、金融市場數據分析人員以及機器學習軟件開發人員參考。.