机器学习与资产定价
发布时间:2022-12-29 | 来源:
书籍信息
书名:《机器学习与资产定价》 / 原著:Machine Learning in Asset Pricing
作者:[美] Stefan Nagel / 译者:王熙,石川
出版:电子工业出版社,2022 年 7 月
内容简介
本书从资产定价的核心问题出发,前沿而体系化地讨论了如何通过经济学推理将机器学习方法引入实证和理论资产定价研究之中,从而有效解决机器学习应用在资产定价中所面临的挑战,搭建了研究机器学习与资产定价的桥梁。为提升阅读体验,帮助读者充分理解书中内容,译者在行文中加入了精彩丰富的译者注,给原著提供必要的背景知识,从而帮助读者更好地掌握书中的行文逻辑。其中,为本书补充的诸多公式推导过程也能帮助读者加深对贝叶斯统计框架的理解。本书读者对象:资产定价、机器学习、金融学、经济学、量化投资等金融科技相关领域的从业者、研究人员和其他感兴趣的读者。
本书读者对象:资产定价、机器学习、金融学、经济学、量化投资等金融科技相关领域的从业者、研究人员和其他感兴趣的读者。
原著所获赞誉
资产收益率预测是一个复杂的高维问题,而机器学习方法在这个问题上的前景令人期待。然而,如果不是 Stefan Nagel 在本书中如此清晰和直观地阐述出深刻的经济学和统计学推理,上述前景则难以实现。对于金融学者以及量化投资者来说,Machine Learning in Asset Pricing 都是一本不可或缺的参考书。
John Y. Campbell
Harvard University
这本令人愉悦、简洁且内容丰富的书通过机器学习的视角提供了对资产定价模型的及时见解。对于任何有兴趣深入了解该领域的人来说,它都是一个不可或缺的资源。
范剑青
Princeton University
Stefan Nagel 富有见解地介绍了基于机器学习的资产定价这一新兴且快速增长的领域。他透过专业视角将复杂的方法与它们适用的理论金融问题联系起来。对于那些希望利用强大的机器学习工具提高金融研究和实践的人来说,这本书是一个宝贵的资源。
Bryan Kelly
Yale University
低信噪比和结构变化给成功应用机器学习方法预测证券价格带来了严峻的挑战。利用来自资产定价模型和投资组合分析的先验知识,人们能够以改善机器学习在资产定价中的表现的方式来指导训练以及正则化过程。在这方面,这本书极富说服力。
Allan Timmermann
University of California, San Diego
中文版推荐语(节选)
原著从资产定价的角度出发,介绍了机器学习的方法论,并辅以详细的数据实证,为经济金融背景的读者们提供了机器学习方法论的最好诠释,同时也为已经具备统计与机器学习基础的读者们提供了经济学直观。难能可贵的是,原著指出了现有文献中的局限,提出了值得研究探索的新问题,明确了未来资产定价领域这个分支的发展方向。中文版在此基础上添加了王熙与石川两位博士的译者注,为本书的读者提供了背景知识和逻辑推导。基于我对本书的作者和译者的了解,以及对原著和中文版的精读,我相信广大中国读者会和我一样从本书中获益良多!
修大成
芝加哥大学布斯商学院计量经济学与统计学教授
清华大学五道口金融学院特聘教授
上海交通大学上海高级金融学院特聘教授
Stefan Nagel 教授的 Machine Learning in Asset Pricing 从资产定价的核心问题出发有的放矢,系统化地讨论了机器学习方法如何有效解决这些问题。在我看过这本书的中文译稿之后,深感这是一本不可多得的、值得金融人士进一步探索前沿研究及应用的好书。本书深入浅出,构建了机器学习与资产定价的桥梁。译者王熙博士和石川博士在该研究领域造诣深厚、见解深刻,不仅翻译精确,还添加了大量的译者注。这些丰富精彩的译者注犹如这场学习之旅中的知识锦囊,帮助读者更深入地理解和学习。我真诚地祝愿每一位读者都能通过阅读此书有所收获、有所启发!
张自力
嘉实基金董事总经理、首席科学家、AI 投资总监及主基金经理
北京大学光华管理学院管理实践教授
上海高级金融学院、中国科技大学兼职金融教授