VIP12
本课程属于：043-金融机器学习建模与AutoML 智能金融与金融工程 · 共 12 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

金融模型集成Stacking与Blending实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=金融模型集成的学习目标 · 核心价值 · 整体课程框架与实战项目概览
课程导入目标=金融模型集…
02
集成学习基础
目标=偏差方差分解 · Bagging · Boosting
集成学习基础目标=偏差方差分…
03
金融数据特点
目标=时序性 · 非平稳性 · 噪声
金融数据特点目标=时序性
04
模型评估体系
目标=金融场景下的准确率 · AUC · F1
模型评估体系目标=金融场景下…
05
交叉验证策略
目标=K折 · 时序交叉验证 · Purged K-Fold
交叉验证策略目标=K折
06
基模型选择
目标=线性模型 · 树模型 · 神经网络
基模型选择目标=线性模型
07
Stacking原理
目标=两层结构 · 元特征生成 · 元学习器选择
Stacking原理
08
Blending原理
目标=留出集设计 · 基模型预测融合 · 权重优化与Stacking的对比分析
Blending原理
09
特征工程与集成
目标=金融因子构建 · 特征选择 · 降维
特征工程集成
10
回归任务实战
目标=股票收益率预测中的Stacki…
回归任务实战Stacki
11
分类任务实战
目标=信用违约预测中的Stackin…
分类任务实战Stackin
12
时序任务实战
目标=波动率预测中的时序交叉验证与集…
时序任务实战目标=波动率预测
13
元学习器进阶
目标=线性回归 · 岭回归 · Lasso
元学习器进阶目标=线性回归
14
权重优化方法
目标=网格搜索 · 贝叶斯优化 · 遗传算法
权重优化方法目标=网格搜索
15
多模型多样性
目标=模型相关性分析 · 多样性度量 · 集成剪枝与模型选择策略
多模型多样性目标=模型相关性…
16
Stacking变体
目标=多层Stacking · 跨层特征传递 · 堆叠泛化与贝叶斯模型平均
Stacking变体
17
Blending变体
目标=动态Blending · 滚动窗口Blending · 在线学习与自适应权重更新
Blending变体
18
防止过拟合
目标=正则化 · 早停 · 元特征筛选
防止过拟合目标=正则化
19
计算效率优化
目标=并行化 · GPU加速 · 模型缓存
计算效率优化目标=并行化
20
可解释性分析
目标=SHAP · LIME · 特征重要性
可解释性分析SHAP
21
风险管理集成
目标=VaR预测 · ES预测 · 压力测试中的Stacking与Ble…
风险管理集成VaR
22
组合优化集成
目标=均值方差 · 风险平价 · Black-Litterman与机器…
组合优化集成目标=均值方差
23
高频数据实战
目标=订单簿数据 · 微观结构特征 · 高频Stacking与Blendin…
高频数据实战目标=订单簿数据
24
另类数据实战
目标=文本 · 舆情 · 卫星图像等另类数据在集成模型中的融合…
另类数据实战目标=文本
25
常见问题与调试
目标=数据泄露 · 过拟合 · 欠拟合
常见问题调试
26
模型部署与监控
目标=模型序列化 · API服务 · 实时预测
模型部署监控
27
回测与评估
目标=金融回测框架 · 交易成本 · 滑点
回测评估
28
竞赛案例解析
目标=Kaggle金融竞赛中Stac…
竞赛案例解析Kaggle
29
工业级项目实战
目标=从数据获取 · 特征工程 · 模型集成到部署上线的完整项目流程
工业级项目实战目标=从数据获取
30
综合提升与前沿
目标=AutoML · 元学习 · 深度集成
综合提升前沿