金融與商業(yè)分析專題：人工智能驅(qū)動的量化金融與金融科技---機器學(xué)習(xí)在商業(yè)數(shù)據(jù)分析和股票市場預(yù)測中的應(yīng)用

專業(yè)：金融

項目類型：國外小組科研

開始時間：2024年12月07日

是否可加論文：是

項目周期：7周在線小組科研學(xué)習(xí)+5周不限時論文指導(dǎo)學(xué)習(xí)

語言：英文

有無剩余名額：名額充足

建議學(xué)生年級：大學(xué)生 高中生

是否必需面試：否

適合專業(yè)：商業(yè)分析金融工程機器學(xué)習(xí)金融學(xué)數(shù)據(jù)科學(xué)數(shù)據(jù)分析人工智能統(tǒng)計學(xué)量化金融股票投資金融科技

地點：無

建議選修：Python數(shù)據(jù)處理及其數(shù)學(xué)原理

建議具備的基礎(chǔ)：希望修讀商業(yè)分析、金融等專業(yè)或者對Python機器學(xué)習(xí)在量化金融、商業(yè)分析中的應(yīng)用感興趣的學(xué)生； 學(xué)生必須具備線性代數(shù)及概率論與數(shù)理統(tǒng)計基礎(chǔ)，必須會使用Python八大基礎(chǔ)語句；有數(shù)據(jù)分析經(jīng)驗的申請者優(yōu)先；

產(chǎn)出：7周在線小組科研學(xué)習(xí)+5周不限時論文指導(dǎo)學(xué)習(xí) 共125課時 項目報告 優(yōu)秀學(xué)員獲主導(dǎo)師Reference Letter EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導(dǎo)（可用于申請） 結(jié)業(yè)證書 成績單

項目背景：人工智能已經(jīng)可以應(yīng)用與任何需要理解復(fù)雜模式、進行長期計劃、并制定決策的領(lǐng)域。在金融領(lǐng)域，人工智能的應(yīng)用了也引起了廣泛的關(guān)注和研究。我們可以預(yù)測股票市場嗎？雖然股價的預(yù)測是一個復(fù)雜且具有挑戰(zhàn)性的問題，但人工智能技術(shù)提供了一些工具和方法來處理這個問題，比如運用機器學(xué)習(xí)算法利用歷史股價數(shù)據(jù)和其他相關(guān)因素來構(gòu)建預(yù)測模型、應(yīng)用深度學(xué)習(xí)模型研究時間序列數(shù)據(jù)中的復(fù)雜模式和依賴關(guān)系、 應(yīng)用增強學(xué)習(xí)算法來優(yōu)化交易策略、以及通過人工智能進行新聞輿論挖掘和市場參與者的情緒分析等。 隨著人工智能技術(shù)的持續(xù)進步，人工智能投資成為被學(xué)術(shù)界和資本看好的領(lǐng)域。 英國布里斯托爾大學(xué)教授克里斯蒂亞尼尼說，股票投資是十大最有可能被人工智能改變的行業(yè)之一。

項目介紹：機器學(xué)習(xí)是什么？如何與商業(yè)分析、股價預(yù)測相結(jié)合？本項目介紹并探討了各種機器學(xué)習(xí)算法，深入介紹應(yīng)用統(tǒng)計學(xué)習(xí)、python和金融應(yīng)用。項目中，導(dǎo)師將介紹統(tǒng)計學(xué)習(xí)中的主要思想和算法（例如線性模型、隨機樹、隨機森林、增強、核方法、深度學(xué)習(xí)），以及如何在數(shù)據(jù)分析和機器學(xué)習(xí)中使用必要的庫和加速Python代碼的技術(shù)。學(xué)生將學(xué)習(xí)如何將定制的機器學(xué)習(xí)和Python應(yīng)用于金融應(yīng)用程序，通過Jupiter筆記本電腦進行交互式學(xué)習(xí)，并使用現(xiàn)實世界的股票市場數(shù)據(jù)。學(xué)生將在項目結(jié)束時，提交項目報告，進行成果展示。

What is Machine Learning? How to combine it with business analysis and stock price forecasting? This course introduces and explores a variety of machine learning algorithms and offers an in-depth introduction to applied statistical learning, python, and applications to finance. The instructor will introduce the main ideas and algorithms in statistical learning (e.g. bias-variance decomposition, cross-validation, linear models, random trees, random forests, boosting, kernel methods, deep learning), and how to use essential libraries in data analysis and machine learning and techniques to speed up Python code. Students will learn how to apply tailor-made machine learning and Python to applications in finance, working through Jupiter notebooks for interactive learning and using real-world stock market data. Student will be required to submit a project report and present their results at the end of the program.

項目大綱：機器學(xué)習(xí)與數(shù)據(jù)科學(xué)概論 Machine Learning and Data Science 統(tǒng)計學(xué)習(xí)概論Introduction to Statistical Learning 監(jiān)督學(xué)習(xí)、分類與回歸Supervised learning, Classification and regression 偏見方差分解、交叉驗證 Bias-variance decomposition, Cross-validation 隨機森林 Random forest 神經(jīng)網(wǎng)絡(luò)、隨機梯度下降法、反向傳播 Neural Networks, Stochastic gradient descent, Backpropagation 金融、商業(yè)分析應(yīng)用 Application to finance and business analysis 項目回顧與成果展示 Program Review and Presentation 論文輔導(dǎo) Project Deliverables Tutoring