killerggf

基于数据挖掘方法的金融欺诈识别的综述

自动识别金融欺诈风险已经得到了广泛关注与研究,本文梳理了最近几年主流的文献,形成了清晰地,有条理与前瞻性的总结。

基于神经网络的信用卡评分

深度学习的兴起引起了研究神经网络的有一次浪潮，本文写的是用神经网络与支持向量机结合来实现信用的自动打分，从而决定是否发配信用卡的问题。

深度学习在情感分析的应用

本文细致阐述了深度学习在情感分析中的应用流程，完美地融合了情感分析的数据结构与深度学习的结构化学习，取得了令人瞩目的结果。

分布式网络

一般情况下神经网络的训练是非常耗时的，本文提出了一种新的分布式方法来训练网络的参数，从而大大减少了计算的时间成本与内存成本。

变量选择方法_基于SVM

当面临许多变量时，很自然的要进行变量的初次筛选，以便减缓后续的建模计算压力。本文提出了一种新的有效的变量选择方法，不依赖于模型的清晰指定，故而具有很大的灵活性与适应范围。

深度学习的金融交易策略

深度学习已经在许多自然科学领域取得了瞩目的成功，但很少在社会科学领域验证它的表现。由于金融具有高维，强噪音等棘手问题，然而深度学习的有些算法能够很好的处理高维非线性与减弱噪音等功能，所以用深度学习设计量化交易策略是一种符合原理的选择。

深度学习在期货交易的应用

深度学习的应用已经渗透到金融领域，被国内外很多知名的金融公司所采用。 本文是关于深度学习在期货交易策略方面的应用，详细阐述了模型的设计流程与决策实施。