內容簡介
風險建模演算法
金融風險管理在人工智慧的幫助下發展迅速。透過這本實用指南，開發人員、程式設計師、工程師、金融分析師、風險分析師及定量和演算法分析師，將可以機器學習和深度學習模型進行金融風險評估。建立基於人工智慧的財務建模實務技能後，您將學習要如何運用機器學習模型來取代傳統的金融風險模型。
作者Abdullah Karasan幫助您探索金融風險建模背後的理論，再深入研究使用Python運用機器學習模型以對金融風險進行建模的實際方法。
有了這本書，您將可以：
．回顧經典的時間序列應用並將其與深度學習模型進行比較
．使用支撐向量迴歸、神經網路和深度學習來探索波動率模型以衡量風險程度
．使用機器學習技術來改善市場風險模型(VaR和ES)，並包括了流動性維度
．使用分群和貝氏方法來進行信用風險分析
．使用高斯混合模型和關聯結構模型來捕捉流動性風險的不同面向
．使用機器學習模型來進行詐欺偵測
．使用機器學習模型來預測股價崩盤並識別其決定因素
好評推薦
「Abdullah Karasan成功展現了在金融風險管理領域中使用機器學習的能力，這是對任何金融機構都攸關重要的功能。」 —Yves J. Hilpisch博士，The Python Quants與The AI Machine創辦人及總裁
「如果您需要將統計和機器學習方法應用在金融風險分析的入門指南，那麼這是一個很好的起點。」 —Graham L. Giller ，《Adventures in Financial Data Science》作者
作者介紹
作者簡介
Abdullah Karasan
Abdullah Karasan 是Magnimind首席資料科學家和馬里蘭大學巴爾的摩分校講師。
目錄
第一部分 風險管理基礎
第一章 風險管理基礎
第二章 時間序列建模簡介
第三章 應用深度學習於時間序列建模
第二部分 針對市場、信用、流動性和營運風險的機器學習
第四章 基於機器學習的波動率預測
第五章 市場風險建模
第六章 信用風險估計
第七章 流動性建模
第八章 營運風險建模
第三部分 其他金融風險來源之建模
第九章 公司治理風險度量：股價崩盤
第十章 合成資料產生與金融中的隱藏馬可夫模型
