GZT FOR REAL
写在前面
为什么要写课程笔记
关于涛哥
I 课程笔记
1
强化学习在金融中的应用
1.1
Markov过程
1.1.1
过程中的状态概念
1.1.2
通过股票价格的例子理解Markov性
1.1.3
Markov过程的正式定义
1.1.4
Markov过程的稳态分布
1.1.5
Markov奖励过程的形式主义
1.1.6
Markov奖励过程的价值函数
1.2
Markov决策过程
1.2.1
不确定性下的序列决策难题
1.2.2
Markov决策过程的正式定义
1.2.3
策略
1.2.4
[Markov决策过程，策略]:= Markov奖励过程
1.2.5
固定策略下的MDP价值函数
1.2.6
最优价值函数和最优策略
1.3
动态规划算法
1.3.1
Planning vs Learning
1.3.2
不动点理论
1.3.3
贝尔曼策略算子以及策略评估算法
1.3.4
贪心策略
1.3.5
策略提升
1.3.6
策略迭代算法
1.3.7
贝尔曼最优性算子与值迭代算法
1.3.8
从最优值函数到最优策略
1.3.9
广义策略迭代
1.3.10
异步动态规划
1.3.11
有限时域的动态规划：反向推导
1.3.12
产品停产/停季时的动态定价
1.3.13
推广至非表格算法
1.4
动态资产配置和消费
1.4.1
个人财务的优化
1.4.2
Merton投资组合问题及其解决
1.4.3
Merton投资组合问题解的直觉
1.4.4
离散时间资产配置
1.4.5
现实世界的应用
2
广义线性模型
2.1
广义线性模型的指数族分布
3
Random forest weighted local Frechet regression with random objects
3.1
提出的方法
3.1.1
预备知识
3.1.2
Local constant method
4
量化风险管理
4.1
风险管理的基本概念
4.1.1
建模价值和价值变动
5
随机分析
5.1
Introduction
5.1.1
1.4 最优停时（Optimal Stopping）
5.1.2
1.5 随机控制（Stochastic Control）
5.2
预备知识
5.2.1
概率空间 随机变量 随机过程
5.2.2
布朗运动（Brownian Motion）
II 语言基础
6
英语
6.1
week2
6.2
week3
6.3
Week 3
III 讨论班报告
7
Optimal strategies for collective defined contribution plans when the stock and labor markets are co-integrated（股票和劳动力市场协同整合时集体确定缴款计划的最优策略）
7.1
Introduction
7.1.1
相关工作
7.1.2
主要区别
7.2
模型的公式化
7.2.1
金融市场
7.2.2
劳动收入
7.2.3
养老金系统
7.3
养老金基金计划的最优策略
7.3.1
具有特质性冲击的最优策略
7.3.2
无特质性冲击时的最优策略
7.4
数值分析
7.5
总结
8
最优多维再保险与多元风险厌恶效用
8.1
共同冲击依赖结构下的最优多维再保险政策
8.1.1
Common shock model
8.1.2
HJB equation
8.2
应用于ESG投资的多元风险厌恶效用
8.2.1
Setting and theoretical results
8.2.2
Numerical analysis and discussion
8.2.3
Conclusion
9
A Hybrid Framework for Reinsurance Optimization: Integrating Generative Models and Reinforcement Learning
9.1
Abstract
9.2
Introduction
9.3
Model Description
9.3.1
离散时间框架
9.3.2
盈余过程建模
9.3.3
引入再保险机制
9.3.4
优化目标
9.4
A Hybrid Framework for Generative Models and Reinforcement Learning in Reinsurance Optimization
9.4.1
使用VAE生成索赔模型
9.4.2
强化学习用于序列决策
9.5
Comprehensive Evaluation of Optimization Frameworks
9.5.1
仿真配置和初始参数
9.5.2
训练指标和盈余轨迹分析
9.5.3
基准表现和比较分析
9.6
Applicability to Reinsurance Optimization
9.6.1
生成模型在不同分布下的表现分析
9.6.2
样本外表现和敏感性分析
9.7
结论与未来工作
IV 课外学习笔记
10
Datawhale Quant
10.1
投资与量化投资
10.2
金融市场的基本概念
10.2.1
货币金融学
10.2.2
投资学
10.3
股票数据获取
10.3.1
股票数据常见指标介绍
10.3.2
Baostock的基础数据获取
10.4
量化选股策略
10.4.1
因子选股模型
11
格兰格因果性
11.1
介绍
11.2
格兰格因果性的定义
12
中文图书Bookdown模板的基本用法
12.1
安装设置
12.2
编写自己的内容
12.2.1
文档结构
12.2.2
图形自动编号
12.2.3
表格自动编号
12.2.4
数学公式编号
12.2.5
文献引用与文献列表
12.3
转换
12.3.1
转换为网页
12.3.2
生成PDF
12.3.3
上传到网站
References
Proudly Presented by GZT
GOGENTLE’s NOTEBOOK
References
Wichmann, B. A., and I. D. Hill. 1982.
“Algorithm as 183: An Efficient and Portable Pseudo-Random Number Generator.”
Applied Statistics
31: 188–190. Remarks: 34, 198 and 35, 89.