互联网金融信息智能挖掘基础

出版时间：2009-7  出版社：梁循 北京大学出版社 (2009-07出版)  作者：梁循  页数：188  
Tag标签：无  

内容概要

　　互联网金融信息智能挖掘是一个涉及数据挖掘、计算智能、统计学、计算语言学、模式识别、金融学等多个学科的领域。《互联网金融信息智能挖掘基础》综合了大量国内外的最新资料和作者的研究成果，系统而有选择地介绍了互联网金融信息智能挖掘问题。全书从结构上分为三篇。第1篇介绍了作者主持研发的一个互联网金融信息挖掘系统平台。第2篇具体介绍了一些相关技术基础，包括互联网金融信息文本分析、神经网络技术、支持向量机技术。第3篇主要介绍了互联网金融信息挖掘领域的一些问题和基本应用，包括互联网金融信息的相关分析，金融信息量、交易量和收益率时间序列的关联研究，以及基于金融信息量的交易量和收益率的控制问题。　　《互联网金融信息智能挖掘基础》的读者可以是对模式识别、计算机智能感兴趣的计算机专业人士，也可以是对互联网金融信息智能挖掘感兴趣的领域专家。它可供数据挖掘、机器智能、数据分析、金融等领域的科技人员和高校师生作研究的参考资料。

书籍目录

第1篇 系统平台第1章 互联网金融信息及其挖掘系统1.1 互联网金融信息概述1.2 互联网金融信息挖掘系统平台的总体结构1.3 互联网信息的计算机获取1.4 互联网金融信息挖掘结果展示系统1.5 展望第2篇 技术基础第2章 互联网金融文本处理技术2.1 概述2.2 基础资源2.3 词法分析2.4 句法分析2.5 语义分析第3章 神经网络方法3.1 学习的分类3.2 群和正交群3.3 前馈神经网络误差超曲面的复杂性3.4 最小二乘拟和与广义逆矩阵3.5 结构压缩的通用算法第4章 支持向量机技术（Ⅰ）4.1 数学准备：线性空间和线性算子4.2 SVC和SVR4.3 将多项式核分解为到单项式空间的映射ф第5章 支持向量机技术（Ⅱ）5.1 支持向量机的结构压缩5.2 支持向量机的增量学习算法5.3 支持向量机超曲面不均分两类第6章 支持向量机技术（Ⅲ）6.1 H和U及K空间的一些关系6.2 通过在U中训练第2个SVM调整分隔超平面п第3篇 基础应用第7章 金融信息量和交易量及收益率时间序列的关联7.1 概述7.2 基于神经网络的金融信息量建模7.3 基于支持向量机的金融信息量建模7.4 NN和SVM在挖掘新闻量和交易量关系的比较研究第8章 基于金融信息量的股市收益率的控制问题8.1 概述8.2 控制系统分析8.3 使用金融信息量控制收益率波动率的实验8.4 展望参考文献

章节摘录

插图：本书分为三篇。第1篇介绍了作者主持研发的一个互联网金融信息挖掘系统平台。第1篇为网络信息挖掘基础理论和算法，相当于图0一2中的机器智能理论与技术。本篇首先介绍一些相关的理论和技术基础知识，包括金融信息文本处理基础、神经网络技术和支持向量机技术，其中神经网络技术和支持向量机技术大多由作者发表的论文改编扩充而成。第2篇为基础应用部分，相当于图0-2中的机器智能技术与应用，将从金融领域对网络信息挖掘展开实验研究，包括：互联网金融信息的相关分析，金融信息量、交易量与收益率时间序列的关联研究，以及基于金融信息量的交易量与收益率的控制问题。从金融角度说，目前很多院校开辟了网络金融课程，有的院校还开设了金融信息系，那么我们怎么将计算机和金融有机地结合起来？作者原从事计算机智能研究工作，曾在斯坦福大学学习经济，后在美国硅谷进行过多年金融信息软件研发工作，一直试图找出更多的上述结合点。作者曾在《网络金融》一书中叙述了网络金融的金融电子化、电子金融（即网络金融）两个主要阶段。从字面上看，网络金融意即网络加金融。把它从计算机网络技术支援金融研究的方向上做研究，至少包括网络信息的计算机自动分析对金融研究的支持，以及由于网络技术的出现，金融管理的手段的增加；把它从金融科学支持计算机网络的方向上做工作，至少包括面向金融问题的计算机软件平台。

编辑推荐

《互联网金融信息智能挖掘基础》是由北京大学出版社出版的。

用户评论 (总计1条)

•   作者好歹是北大一老师，出版这样的所谓的书难道就不怕损害自己的声誉么？整本书完全就是一些过时的知识点的拼凑，不对，是堆积，拼凑好歹都有点技巧，会注意章节内容的关联，这本书章节与章节之间，章节里面的内容之间，都毫无关联。就说SVM那一章吧，前面花了大篇幅来粘贴复制各种各样的定理、公式，结果后面一部分照例还是讲的最普通的SVM的内容，完全看不出来前面那些什么空间啊、群论啊之类的定理的作用。说是互联网金融信息挖掘，但整本书的内容就是基本的文本处理内容加上SVM加上NN，我甚至都怀疑这本书是不是作者分给自己手下三个研究生每个人调研了一块内容，然后简单地合并起来。总之这是一本极烂极烂的，我都不屑于称之为“书”的一堆废纸。