另类数据和人工智能技术：在投资和风险管理中的应用

　　本书分为五个部分。第一部分由第1章和第2章组成。这两章回顾了量化投资组合和风险管理的最新进展，以及全球金融资产管理的未来趋
势，旨在为刚开始接触投资组合和风险管理的专业人士与学生提供指导。即便是有经验的投资者也可能发现更新知识十分有益。第二部分涵盖第3 章至第5 章。第3 章着重介绍机器学习技术及其在金融领域的应用。第4章与第5章讲述另类数据的概念、来源以及其在全球不同国家中的应用。第三部分由第6章至第9章构成。各章分别探讨了财务管理中的关键因素或智能Beta 策略，目的是帮助读者通过熟悉华尔街上流行的多种投资因素，深化对另类数据的认识和理解。专业人士和研究者可以依据这几章来进一步探索和整合其他因素。第四部分包括第10章至第13章。作为研究人员和专业人士，我们深知在财务管理和风险管理中，通过案例学习战略性地利用另类数据和人工智能的重要性。因此，我们分享了集成机器学习和另类数据的实例，旨在探讨该领域一些极具吸引力的主题， 如算法交易、特殊目的收购公司SPAC） 及环境、社会和公司治理（ESG）。尽管我们提供的实践示例和应用程序数量有限，我们的目标依旧是助读者培养独立思考的能力并基于另类数据与人工智能开发新应用。我们认识到，分析本部分提出的某些主题可能存在更优的方法和理论。第五部分由第14章和第15章构成，涉及财务管理、数据可视化，以及基于云的数据库技术。本部分旨在为希望在财务规划领域获得实践经验的人员提供指导。同时，定量分析师和研究人员在数据可视化方面也能学到一些有价值的技巧。

　　第1 章　定量投资组合管理和风险管理的简介　1
1.1　简介　1
1.2　投资组合管理的类型　3
1.3　经典的资产和衍生品　5
1.4　传统的和现代的方法　8
1.5　衡量投资组合回报的工具　9
1.6　投资组合中回报的差异　10
1.7　结论　11
参考文献　12
第2 章　全球金融资产管理的主要发展趋势　14
2.1　全球资产管理现状　15
2.2　资产管理行业发展趋势　20
参考文献　27
第3 章　机器学习和人工智能在金融投资组合管理中的应用　31
3.1　概述　31
3.2　机器学习应用分析　39
3.3　机器学习算法的比较　55
3.4　最佳参数的选择　59
3.5　机器学习在金融领域的应用　61
3.6　机器学习的问题分析　64
目　录
2 另类数据和人工智能技术：在投资和风险管理中的应用
3.7　未来展望　69
第4 章　金融领域的另类数据介绍　70
4.1　另类数据概述　70
4.2　另类数据来源　73
4.3　另类数据集的评估标准　76
4.4　另类数据集的使用　78
参考文献　83
第5 章　从国家角度看另类数据的利用　84
5.1　美国　84
5.2　中国　91
5.3　欧洲　95
5.4　亚洲（除中国外） 　98
参考文献　100
第6 章　基于文本数据和机器学习的智慧型投资策略和风险因子　103
6.1　导言　103
6.2　文本分析技术　104
6.3　自然语言处理　104
6.4　机器学习/深度学习（ML/DL） 　105
6.5　根据文本数据集分析的金融因子　107
6.6　结束语　116
参考文献　116
第7 章　基于物联网的智能测试版和风险因素　122
7.1　简介　122
7.2　一种基于IoT和AIoT的风险评估模型　124
7.3　IoT和AIoT在金融领域中的应用　127
参考文献　130
第8 章　环境、社会和公司治理（ESG） 因素　133
8.1　环境、社会和公司治理（ESG） 介绍　133
8.2　投资者眼中的ESG　136
目　录 3
8.3　ESG对公司风险的影响　142
8.4　ESG对公司业绩和价值的影响　145
8.5　ESG 是风险因素吗？　153
8.6　数字经济与环境、社会和公司治理　154
参考文献　155
第9 章　金融中的情绪因素　159
9.1　什么是情绪因素？　159
9.2　投资者情绪与行为金融　161
9.3　情绪对市场的影响　166
9.4　情感因子构建和情感分析　169
参考文献　172
第10 章　反欺诈和欺骗识别案例研究：基于文本的数据分析　174
10.1　盗版检测　174
10.2　虚假评价　178
参考文献　185
第11 章　交易中的机器学习技术——以欧元兑美元市场为例　188
11.1　外汇市场简介　188
11.2　外汇市场的特点　189
11.3　欧元对美元汇率（EURUSD） 　190
11.4　影响汇率的基本因素　191
11.5　数据和交易策略概述　192
11.6　监督的机器学习技术　194
11.7　交易策略　199
11.8　结论　203
参考文献　203
第12 章　基于ESG 因素的特殊目的收购公司（SPAC） 分析　205
12.1　SPAC简介　205
12.2　SPAC的收入　210
12.3　创始人因素对SPAC收入的影响分析　217
4 另类数据和人工智能技术：在投资和风险管理中的应用
12.4　结论　236
参考文献　236
第13 章　ESG 对公司基本面的影响：基于医疗行业的研究　239
13.1　引言　239
13.2　数据和方法　240
13.3　经验模型和结果　244
13.4　ESG因素投资策略　253
13.5　结论　256
附录　258
附录A：在研究中使用的公司名单　258
附录B：分位数保险公司每季度的ESG得分　259
附录C：战略与控制组结果　260
附录D：战略与控制组累计回报　261
附录E：分位数回报　262
附录F：三组累计回报　263
参考文献　264
第14 章　数据可视化　265
14.1　数据可视化基础　265
14.2　Python数据可视化工具　266
14.3　数据分布图　283
14.4　金融数据案例分析　292
14.5　总结　297
参考文献　298
第15 章　通过AWS Lambda 的Python 函数与MongoDB 数据库交互　299
15.1　MongoDB　299
15.2　Python　305
15.3　AWS　308
参考文献　314
译者后记　316