本大纲内容的设置包括但不限于FRM考试一级和二级知识点,补充了机器学习技术在金融风险管理中的应用。
一、Python基础篇
-
python基础操作简要复习(一)
二、应用篇
1、投资学部分
- 外部金融数据的导入方法(十五)
- 股票数据正态性检验、QQ图(十六)
- 权益证券估值:股息/现金流折现、市盈率法(十七)
- 固定收益证券
- 投资组合均值-方差模型
- 模拟服从几何布朗运动的股价(二十三)
- 资本资产定价模型(CAPM)(二十四)
- 套利定价理论(APT)(二十五)
- 投资组合风险管理与策略
2、金融工程部分
3、风险管理部分
-
VaR的python应用
-
市场风险补充
-
信用风险(主要在机器学习中应用)
-
操作风险和流动性风险(暂不更新)
- 极值理论(EVT)
- Loss distribution approach计算ORC
- Liquidity adjusted VaR(LVaR)
4、机器学习部分
- 数据整合、清理与数据探索(五十五)
- 统计学基础
- 特征工程一:特征生成
- 特征工程二:特征变换
- 特征工程三:特征筛选
- 线性模型:线性回归、岭回归和套索回归(六十一)
- 基于logistic回归的信用评级和分类模型评估(六十二)
- KNN算法(六十三)
- 朴素贝叶斯算法(六十四)
- 决策树构建信用评级(六十五)
- SVM(六十六)
- 神经网络(六十七)
- PCA降维和聚类
- 集成学习
5、参考书目
斯文《基于Python的金融分析与风险管理》,人民邮电出版社;
梅子行、毛鑫宇《智能风控——Python金融风险管理与评分卡建模》,机械工业出版社;
常国珍等《Python数据科学:技术详解与商业实践》,机械工业出版社;
朱顺泉《金融工程及其Python应用》、《投资学及其Python应用》,清华大学出版社;
郑志勇等《金融数量分析——基于Python编程》,北京航空航天大学出版社;
Yves Hilpisch《Python金融大数据分析》,中国工信出版集团、人民邮电出版社;
李航《统计学习方法》,清华大学出版社;
周志华《机器学习》,清华大学出版社。
①每月不定期更新,欢迎监督
②本人水平有限,还处于自学阶段,必有不少错误或疏漏,欢迎批评指正
③博客实质为学习笔记,仅供自我提升,无任何商业用途