收藏 分享(赏)

人工智能在信用债投资领域的应用:Python语言实践.pdf

上传人:la****1 文档编号:2360096 上传时间:2023-05-08 格式:PDF 页数:239 大小:35.61MB
下载 相关 举报
人工智能在信用债投资领域的应用:Python语言实践.pdf_第1页
第1页 / 共239页
人工智能在信用债投资领域的应用:Python语言实践.pdf_第2页
第2页 / 共239页
人工智能在信用债投资领域的应用:Python语言实践.pdf_第3页
第3页 / 共239页
人工智能在信用债投资领域的应用:Python语言实践.pdf_第4页
第4页 / 共239页
人工智能在信用债投资领域的应用:Python语言实践.pdf_第5页
第5页 / 共239页
人工智能在信用债投资领域的应用:Python语言实践.pdf_第6页
第6页 / 共239页
亲,该文档总共239页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述

人工智能在信用债投资领域的应用Python语言实践崔玉征著清莘大兰出版社人工智能在信用债投资领域的应用Python语言实践崔玉征著清华大学出版社北京并建设稳定的金融体系。目前,债券市场已经初步具备了建设合理定价体系的条件,这主要是因为随着债券市场违约事件的不断增多,信用利差在不断护1能在大,尤其是高收益债券的信用利差出现明显扩大的趋势,这就为债券发行主体偏的定价提供了有利的前提条件。债券市场合理定价的前提是有一个市场化的陵信用评级体系,该体系可真实有效地反映债券发行主体信用风险的高低。资债券市场现有的外部评级体系,由于监管、财报粉饰较普遍等原因,表现1出了明显的“虚高”和评级调整严重带后的弊端。我认为本书提出的基于场的外实时数据并采用机器学习技术的量化评级方法可较好地解决外部评级的弊应端。这些场外数据主要包括司法、招聘、股权出质、动产抵押、高管变动、对用外投资、实际控制人风险等,完全可以从非财务的侧面反映一家公司真实的经9营状况,剔除了由于财务粉饰给我们造成的噪声干扰,仅保留能够真实反映企业还款能力的信号。这在国内资本市场的信用评级领域是一个较大的创新。语我期待着这种量化研究方法逐渐得到业内同仁的认可。!实何佳原证监会规划发展委员会委员、深交所综合研究所所长,南方科技大学教授2018年9月25日

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 教育教学 > 其它

copyright@ 2008-2023 wnwk.com网站版权所有

经营许可证编号:浙ICP备2024059924号-2