# MachineLearningFinPG

**Repository Path**: xinihe/machine-learning-fin-pg

## Basic Information

- **Project Name**: MachineLearningFinPG
- **Description**: No description available
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-02-25
- **Last Updated**: 2025-03-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 金融机器学习课程

## 适用对象

本课程专为浙江工商大学金融学院及泰隆金融学院硕士研究生设计。

## Prerequisites

- Basic understanding of Python programming
- Fundamentals of statistics and probability
- Basic knowledge of financial concepts
- Familiarity with data analysis libraries
  =======

## 课程概述

本课程探讨机器学习技术在金融领域的应用，为学生提供实用技能，以便将人工智能/机器学习解决方案应用于实际金融问题。

## 课程目标

- 理解机器学习基本概念及其在金融领域的应用
- 学习实现金融预测和分析的机器学习模型
- 培养金融数据处理和分析能力
- 获得金融机器学习常用Python库的实践经验

## 预备知识

- Python编程基础
- 统计学和概率论基础
- 基本金融知识
- 熟悉数据分析库（pandas、numpy）

## 主要内容

1. **金融机器学习导论**

   - 机器学习在金融中的应用概述
   - 金融数据类型和来源
2. **贝叶斯估计**

   - 贝叶斯定理及其在金融中的应用
   - 先验概率与后验概率
   - 贝叶斯推断在投资决策中的应用
   - 朴素贝叶斯分类器
   - 金融风险评估案例
3. **熵和决策树**

   - 信息熵的基本概念
   - 决策树的构建原理
   - 随机森林在金融预测中的应用
   - 金融产品分类和客户信用评估
4. **梯度下降**

   - 梯度下降算法原理
   - 随机梯度下降
   - 批量梯度下降
   - Adam等优化器
   - 在投资组合优化中的应用
5. **聚类计算**

   - K-means聚类算法
   - 层次聚类
   - 市场分割和客户群体划分
   - 异常交易检测应用
6. **强化学习**

   - 马尔可夫决策过程
   - Bandit算法
   - 深度强化学习
   - 自动交易策略设计

## 技术要求

- Python 3.x
- Jupyter Notebook
- 必需的库：
  - pandas
  - numpy
  - scikit-learn
  - tensorflow/pytorch
  - yfinance
  - matplotlib

## 项目实践

学生将完成实际金融数据的机器学习应用项目，包括：

- 市场预测模型
- 风险评估系统
- 投资组合优化算法

## 学习资源

- 课程材料和详细文档存放在 `docs_2024` 文件夹
- 补充代码示例和历史笔记本存放在 `docs` 文件夹
- 金融数据集
- 参考书: [Getting Started with Machine Learning](https://pan.baidu.com/s/1OnpnRNbs2-UOPXTauxLVBg?pwd=g4aa)

## 考核方式

- 课堂表现及出勤 (30%)
- 期末项目 (70%)

## 联系方式

如有任何课程相关问题，请联系 nihe78@gmail.com

---

*注：本大纲可能会根据课程进度和要求进行调整。*