CQF课程第四模块名称叫做数据科学与机器学习。在模块四中，您将了解金融中使用的最新数据科学和机器学习技术。从对该主题的全面概述开始，您将学习基本的数学工具，然后深入研究监督学习的主题，包括回归方法、k-最近邻、支持向量机、集成方法等等。
 

 

　　1、机器学习简介l

 

　　什么是数学建模？

 

　　经典造型

 

　　机器学习有何不同？

 

　　机器学习的主要技术

 

　　2、机器学习简介II

 

　　常见的机器学习术语

 

　　监督学习技术简介

 

　　无监督学习技术介绍

 

　　介绍强化学习技术

 

　　3、机器学习数学工具箱

 

　　最大似然估计

 

　　成本/损失函数

 

　　梯度下降

 

　　随机梯度下降

 

　　偏差和方差

 

　　拉格朗日乘数

 

　　主成分分析

 

　　4、监督学习——回归方法

 

　　线性回归

 

　　惩罚回归：Lasso、Ridge和Elastic Net

 

　　逻辑、Softmax回归

 

　　5、监督学习II

 

　　K最近邻

 

　　朴素贝叶斯分类器

 

　　支持向量机

 

　　6、决策树和集成模型

 

　　熵最小化和基本数学

 

　　分裂过程和修剪标准

 

　　随机森林和极端梯度提升

 

　　使用Logit和决策树替代方案进行装袋（PD案例研究）

 

　　7、金融的实用机器学习案例研究

 

　　宏观预测标准普尔500指数和Baa-Spread

 

　　共同基金的夏普风格回归方法

 

　　用于ESG公司报告情感分析的自然语言处理