目   录

第1章  绪论   1

　　1.1  机器学习方法分类   4

　　1.2  机器学习在股票市场中的应用   8

　　1.3  机器学习在宏观经济相关研究中的应用   22

　　1.4  机器学习在政策评价研究中的应用   27

　　1.5  机器学习方法对比和模型评价准则   32

　　参考文献   38

第2章  回归模型   54

　　2.1  简单线性回归   56

　　2.2  多元线性回归   66

　　2.3  岭回归与Lasso回归   76

　　参考文献   92

第3章  分类模型   97

　　3.1  分类问题概述   98

　　3.2  为什么线性回归不可用   100

　　3.3  逻辑回归   101

　　3.4  支持向量机（SVM）   108

　　参考文献   121

第4章  树模型   123

　　4.1  回归树   125

　　4.2  纯碱指数期货树模型   126

　　4.3  分类树   131

　　4.4  树模型的集成   133

　　参考文献   142

第5章  无监督学习   144

　　5.1  原理说明   146

　　5.2  无监督学习方法在金融领域的应用   153

　　5.3  深度强化学习   157

　　5.4  无监督学习在金融领域的应用场景与挑战   159

　　参考文献   160

第6章  大语言模型在金融领域的应用   162

　　6.1  引言   163

　　6.2  相关文献评述   164

　　6.3  原理简介   170

　　6.4  实验设计   184

　　6.5  实证结果   192

　　6.6  EPU不同类型与市场波动率预测效果对比   203

　　6.7  脉冲响应分析（IRF）：EPU冲击对市场波动率的时序影响   213

　　6.8  实验对比分析：5组对比实验指标对比   214

　　参考文献   215

第7章  股市波动率预测   219

　　7.1  背景介绍   220

　　7.2  方法说明   222

　　7.3  实证结果   227

　　7.4  结果讨论   230

　　7.5  结论   233

　　参考文献   234  

第8章  检测财务违规   237

　　8.1  引言   238

　　8.2  上市公司违规机制分析   240

　　8.3  基于Logistic模型的违规预测   244

　　8.4  基于二元Probit模型的违规稽查分析   250

　　8.5  基于决策树模型的违规判定   255

　　8.6  结论   258

　　参考文献   259  

第9章  机器学习在期货市场的应用   263

　　9.1  研究背景介绍   264

　　9.2  纯碱市场分析   269

　　9.3  投资策略   271

　　9.4  实证结果分析   282

　　9.5  投资策略构建   287

　　9.6  稳健性检验   288

　　9.7  讨论   290

　　参考文献   290