模式識(shí)別在金融數(shù)據(jù)分析中的應(yīng)用研究

目錄
前言
第1章 緒論 1
1.1 研究背景 1
1.2 研究目的及意義 1
1.3 國(guó)內(nèi)外研究現(xiàn)狀 2
1.4 本書結(jié)構(gòu)安排 4
1.5 本章小結(jié) 5
第2章 金融異常檢測(cè)概述 6
2.1 金融異常的基本概念 6
2.2 金融異常檢測(cè)的背景 7
2.3 異常檢測(cè)的方法 8
2.4 基于數(shù)據(jù)挖掘的金融異常檢測(cè) 9
2.5 本章小結(jié) 10
第3章 深度學(xué)習(xí)理論 12
3.1 深度學(xué)習(xí)背景 12
3.2 深度學(xué)習(xí)的基本思想 13
3.3 深度學(xué)習(xí)的常用模型或者方法 13
3.3.1 自動(dòng)編碼器 13
3.3.2 稀疏編碼 16
3.3.3 限制玻爾茲曼機(jī) 19
3.3.4 深度置信網(wǎng)絡(luò) 21
3.4 本章小結(jié) 23
3.4.1 深度學(xué)習(xí)總結(jié) 23
3.4.2 深度學(xué)習(xí)未來(lái) 24
第4章 DBN在欺詐檢測(cè)中的應(yīng)用 25
4.1 傳統(tǒng)的欺詐檢測(cè)技術(shù) 25
4.2 信用卡欺詐檢測(cè)的基本概念 27
4.3 信用卡的欺詐檢測(cè)技術(shù) 28
4.4 DBN的原理 30
4.4.1 受限玻爾茲曼機(jī) 30
4.4.2 深度信念網(wǎng)絡(luò) 32
4.5 基于DBN的信用卡欺詐檢測(cè) 34
4.5.1 基于DBN的信用卡欺詐檢測(cè)模型 34
4.5.2 DBN模型訓(xùn)練 35
4.5.3 實(shí)驗(yàn)結(jié)果及分析 36
4.6 本章小結(jié) 39
第5章 基于非負(fù)矩陣分解的股票異常波動(dòng)的識(shí)別 40
5.1 異常數(shù)據(jù)在股票市場(chǎng)中的產(chǎn)生原因 40
5.1.1 宏觀經(jīng)濟(jì)的影響 40
5.1.2 投資者行為的影響 41
5.1.3 政策的影響 42
5.1.4 制度的影響 43
5.2 異常檢測(cè)方法 43
5.3 非負(fù)矩陣分解方法 44
5.4 基于非負(fù)矩陣分解的股票市場(chǎng)異常波動(dòng)檢測(cè) 45
5.5 實(shí)驗(yàn)分析 47
5.6 本章小結(jié) 52
第6章 基于CNN的貸款違約預(yù)測(cè) 53
6.1 貸款違約檢測(cè)研究現(xiàn)狀 53
6.2 基于CNN的貸款違約預(yù)測(cè) 55
6.3 基于評(píng)分融合的卷積神經(jīng)網(wǎng)絡(luò)的貸款違約預(yù)測(cè) 56
6.3.1 網(wǎng)絡(luò)結(jié)構(gòu) 56
6.3.2 評(píng)分融合結(jié)構(gòu) 59
6.3.3 模型訓(xùn)練 60
6.4 貸款違約預(yù)測(cè)框架 63
6.5 實(shí)驗(yàn)及分析 63
6.5.1 數(shù)據(jù)集 63
6.5.2 測(cè)試結(jié)果 64
6.5.3 特征重要性度量 66
6.6 本章小結(jié) 67
第7章 基于決策樹及情感輔助的股票預(yù)測(cè) 68
7.1 決策樹理論與股指數(shù)據(jù)獲取 68
7.1.1 股票指標(biāo) 68
7.1.2 分詞處理與特征提取 70
7.1.3 決策樹理論 72
7.1.4 網(wǎng)絡(luò)爬蟲流程設(shè)計(jì) 73
7.1.5 文本處理與情感分類 77
7.2 股票預(yù)測(cè)模型 79
7.2.1 基于股市指標(biāo)的決策樹模型 79
7.2.2 決策樹模型的實(shí)現(xiàn)以及結(jié)果展示 85
7.3 決策樹模型的驗(yàn)證 88
7.3.1 情緒結(jié)果的融合決策樹 88
7.3.2 決策樹模型驗(yàn)證 88
7.4 本章小結(jié) 93
第8章 總結(jié)與展望 94
8.1 本書總結(jié) 94
8.2 研究展望 95
參考文獻(xiàn) 96