晒晒你见过最好的“风险建模”资源｜谁是你心中的NO1?

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

• 用最短时间分享最优秀、最牛逼、最好用的经管资源
• 都来晒一把你心中最好的那些资源好货吧！
• 第三波强势来袭！
  

• 1+1>2，每人1个，汇聚成资源的海洋
  

• 第一期：晒出你见过最好的”机器学习“资源！有没有优秀经管资源，是牛人和弱逼的最大区别！https://bbs.pinggu.org/forum.php?mod=viewthread&tid=4966201&from^^uid=153990
• 第二期：晒出你见过最好的“EDW企业数据仓库”资源｜厉害了！1个资源换100个
  

      https://bbs.pinggu.org/forum.php? ... 7347&from^^uid=153990

                  

           

今天是经管资源推荐第三期，

我们的主题是晒出你心中最好的“风险建模”资源，可以是优秀的图书、公开课、网址、研报、数据、讲义、笔记、文字资料、视频资料等等。

大福利：

每期将视资源的质量与评价，开出一等奖1名（500论坛币）+二等奖2名（300论坛币）+三等奖3名（300论坛币）+加入“优秀经管学习资源共享”群180710949，每周群分享不少于15个优秀经管资源+每个月我们会发布“优秀经管资源月报“，分享不少于30个优秀经管资源

________________________________________________________________________________________

接下来！上干货时间到了！

以下是我们组织的第一期“机器学习“优秀资源，由8位热心资源达人分享的资源，高达52个哦，

第一批“机器学习“资源清单如下

1. 坛友 lzguo568推荐图书资源9个

2. wwqqer版主推荐的自己整理的学习资源专题，资源约20个

3. 坛友 lzguo568推荐公开课资源2个

4. 我的素质低版主推荐网课4项，斯坦福公开课1个，博客2个，共7个

5. 坛友“东方祥 “推荐图书2本

6.坛友“南合季“推荐图书5本

7.坛友“数术“推荐图书5本

8. 坛友“桐叶“推荐两个免费的机器学习视频课程

第一批“机器学习“资源52个具体好货在这儿（还在陆续推荐增加中哦......）

• （1）坛友 lzguo568推荐图书资源9个
  

介绍几本经典图书
1,Tom M Mitchell - Machine Learning
2、Introduction_to_Machine_Learning（Ethem_Alpaydin）.pdf
3、Pattern Recognition and MachineLearning.pdf
4、MIT.Fundamentals.of.Machine.Learning.for.Predictive.Data.Analytics
5、Foundations_of_Machine_Learning.pdf
6、Learning from data.pdf
7、机器学习系统设计.Python.2014.pdf
8、数据挖掘：概念与技术（中文第三版）.pdf
9、Machine Learning and Data Science - AnIntroduction to Statistical Learning Methods with R.pdf

• （2）wwqqer版主推荐的自己整理的学习资源专题，资源约20个
  

机器学习在这里：机器学习 (Machine Learning)
【经典教材系列】An Introduction to Machine Learning
【经典教材系列】Machine Learning: An Algorithmic Perspective (第二版)
【经典教材系列】Introduction To Pattern Recognition And Machine Learning
【经典教材系列】Compression Schemes for Mining Large Datasets: A MachineLearning Perspective
【经典教材系列】Unsupervised Process Monitoring and Fault Diagnosis withMachine Learning Methods
【大数据系列】Rule Based Systems for Big Data: A Machine Learning Approach
【大数据系列】Machine Learning Models and Algorithms for Big DataClassification
【经典教材系列】Modeling and Stochastic Learning for Forecasting in HighDimensions
【经典教材系列】Fundamentals of Machine Learning for Predictive DataAnalytics
【经典教材系列】Numerical Algorithms: Methods for Computer Vision, MachineLearning, and Graphics
【经典教材系列】Machine Learning in Complex Networks
【经典教材系列】Semisupervised Learning for Computational Linguistics
【经典教材系列】Practical Machine Learning （2016）
【经典教材系列】Teaching Learning Based Optimization Algorithm: And ItsEngineering Application
【经典教材系列】统计机器翻译 Linguistically Motivated StatisticalMachine Translation: Models and Algorithms
【经典教材系列】From Curve Fitting to Machine Learning (第二版)
【大数据系列】Machine Learning in Evolution Strategies
【大数据系列】Statistical Reinforcement Learning: Modern Machine LearningApproaches
【经典教材系列】Machine Learning for Microbial Phenotype Prediction
【经典教材系列】Hybrid Approaches to Machine Translation

• （3）坛友 lzguo568推荐公开课资源2个
  

分享一下加州理工学院公开课

http://open.163.com/movie/2012/2/3/C/M8FH262HJ_M8FTVDQ3C.html

https://www.coursera.org/learn/ml-foundations 机器学习基础：案例研究

• (4)我的素质低版主推荐网课4项，斯坦福公开课1个，博客2个，共7个
  

第一期资源分享的主题是我心中”机器学习“、”EDW企业数据仓库“、”风险建模“，这三个方面都是偏向技术的，相对来说，风险建模可能资料较多，但是练习数据却不多，风险数据比较敏感嘛。相对来说机器学习的话，资料多，练习数据也多。

      如果是新手，想学机器学习之一类的，我觉得可以直接看书，里面的复杂符号可以让你马上想睡...  可以报个网课学一下，现在网课很多，譬如CDA、小象学院、七月在线、天善智能等机构，当然CDA在这块经验丰富；

      如果你有底子，直接去斯坦福公开课，吴恩达老师的中文版也有，http://open.163.com/special/opencourse/machinelearning.html

      机器学习理论内容学起来不复杂，但是如何实现这个需要更多练习，挑一款实现软件，网上搜一下实现博客就行。网上不同软件不同实现的博客很多很多，当然还有推荐我自己的小博客啦~  ：http://blog.csdn.net/sinat_26917383/article/category/6093536

• （5）坛友“东方祥 “推荐图书2本
  

数据挖掘：概念与技术（原书第3版）

本书完整全面地讲述数据挖掘的概念、方法、技术和最新研究进展。本书对前两版做了全面修订，加强和重新组织了全书的技术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领域。

本书是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的参考书，是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材，可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。

机器学习周志华

它是一本和Tom M. Mitchell那本Machine Learning具有一样重大意义的书。很有可能，它会成为一本中国无数Machine Learning热爱者的启蒙教材。

• （6）坛友“南合季“推荐图书5本
  

我也来说一个吧！我心中最好的”机器学习“的图书，有这么几本，另外，期待楼主赶紧凑到100个经管资源，分享给大伙儿吧

《Mining of Massive Datasets》（《大数据》）
作 者Anand Rajaraman[3]、Jeffrey David Ullman，Anand是Stanford的PhD。这本书介绍了很多算法，也介绍了这些算法在数据规模比较大的时候的变形。但是限于篇幅，每种算法都没有展开讲的感觉，如果想深入了解需要查其他的资料，不过这样的话对算法进行了解也足够了。还有一点不足的地方就是本书原文和翻译都有许多错误，勘误表比 较长，读者要用心了。
《DataMining: Practical Machine Learning Tools and Techniques》（《数据挖掘：实用机器学习技术》）
作者IanH. Witten 、Eibe Frank是weka的作者、新西兰怀卡托大学教授。他们的《ManagingGigabytes》[4]也是信息检索方面的经典书籍。这本书最大的特点是对weka的使用进行了介绍，但是其理论部分太单薄，作为入门书籍还可，但是，经典的入门书籍如《集体智慧编程》、《智能web算法》已经很经典，学习 的话不宜读太多的入门书籍，建议只看一些上述两本书没讲到的算法。
《机器学习及其应用》
周志华、杨强主编。来源于“机器学习及其应用研讨会”的文集。该研讨会由复旦大学智能信息处理实验室发起，目前已举办了十届，国内的大牛如李航、项亮、王海峰、刘铁岩、余凯等都曾在该会议上做过讲座。这本书讲了很多机器学习前沿的具体的应用，需要有基础的才能看 懂。如果想了解机器学习研究趋势的可以浏览一下这本书。关注领域内的学术会议是发现研究趋势的方法嘛。
《ManagingGigabytes》（深入搜索引擎）
信息检索不错的书。
《ModernInformation Retrieval》
Ricardo Baeza-Yates et al. 1999。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛，这本书略有些过时了。翻翻做参考还是不错的。另外，Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。

• （7）坛友“数术“推荐图书5本
  

造福坛友的好活动，我推荐的是机器学习方面的几本书，供大家参考。
1.《数学之美》  
作者吴军大家都很熟悉。以极为通俗的语言讲述了数学在机器学习和自然语言处理等领域的应用。
2.《Programming Collective Intelligence》（《集体智慧编程》）        
这本书最大的优势就是里面没有理论推导和复杂的数学公式，是很不错的入门书。目前中文版已经脱销，对于有志于这个领域的人来说，英文的pdf是个不错的选择，因为后面有很多经典书的翻译都较差，只能看英文版，不如从这个入手。还有，这本书适合于快速看完，因为据评论，看完一些经典的带有数学推导的书后会发现这本书什么都没讲，只是举了很多例子而已。
3.《Algorithms of the Intelligent Web》（《智能web算法》）
作者HaralambosMarmanis、Dmitry Babenko。这本书中的公式比《集体智慧编程》要略多一点，里面的例子多是互联网上的应用，看名字就知道。不足的地方在于里面的配套代码是 BeanShell而不是python或其他。总起来说，这本书还是适合初学者，与上一本一样需要快速读完，如果读完上一本的话，这一本可以不必细看代码，了解算法主要思想就行了。
4.《统计学习方法》
作者李航，是国内机器学习领域的几个大家之一，曾在MSRA任高级研究员，现在华为诺亚方舟实验室。书中写了十个算法，每个算法的介绍都很干脆，直接上公 式，是彻头彻尾的“干货书”。每章末尾的参考文献也方便了想深入理解算法的童鞋直接查到经典论文；本书可以与上面两本书互为辅助阅读。
5.《Machine Learning》（《机器学习》）作 者Tom Mitchell是CMU的大师，有机器学习和半监督学习的网络课程视频。这本书是领域内翻译的较好的书籍，讲述的算法也比《统计学习方法》的范围要大很多。据评论这本书主要在于启发，讲述公式为什么成立而不是推导；不足的地方在于出版年限较早，时效性不如PRML。但有些基础的经典还是不会过时的，所以这本书现在几乎是机器学习的必读书目。

• （8）坛友“桐叶“推荐两个免费的机器学习视频课程
  

斯坦福大学公开课：机器学习课程
http://open.163.com/special/opencourse/machinelearning.html

加州理工学院公开课：机器学习与数据挖掘
http://open.163.com/special/opencourse/learningfromdata.html

第三期经管资源嘉年华，狂欢继续

有品质的学习，一定是伴随着最好、最优质的资源的

快把你知道的“风险建模”好资源丢到碗里！用你的一个资源，

换来你的100个和1000个吧！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏64 回帖

关键词：最好的 introduction Fundamentals Optimization Intelligence 资源 最好

学习风险建模个人觉得至少涉及到以下东西
统计模型：spss,Eviews,Stata,这些是菜单操作，比较简单和容易上手
数据分析：R,数据库SQL Server
运筹规划：Matlab,Mathematic,MATLAB
智能算法：MATLAB,r
图像处理与排版：c++，Latex
公式编辑器：Math Type
流程图控制：visio
推荐的书籍、网站和其它资源：
《matlab揭秘 郑碧波译》
《数学建模与应用：司守奎》
《MATLAB智能算法30个案例分析》
【数学中国】http://www.madio.net/forum.php
【数模知识库】http://www.shumo.com/wiki/doku.php?id=start
【MATLAB技术论坛】http://www.matlabsky.com/
【WolframAlpha】http://www.wolframalpha.com/

非常喜欢推荐资源的活动，风险建模的资源应该很多。推荐几个：

《数学模型：姜启源》----这应该是很多学校建模的入门教训和培训教材

《[MATLAB神经网络43个案例分析](人工智能算法类的，参透它的思想很重要）

数学建模学习资源网站http://mcm.dept.ccut.edu.cn/

数模论坛http://www.shumo.com/forum/

中国数学建模网http://www.msn.shumo.com/home/

在量化投资领域，获取数据、整理数据、模型计算、数据图形化均可以用python实现；而且Python强大的库功能使其非常适合做quant类工作的语言，进而逐渐成为科学计算方面的统治级语言；介绍一些这方面的资源吧

1.ThinkPython：How to Think Like a Computer Scientist 【程序软件系列】Think Python: How to  Think Like a Computer Scientist (第二版)
2.PythonData Visualization Cookbook 【程序软件系列】Python Data Visualization Cookbook （第 二版）
3.PythonProgramming Guide—Learn Python in 24 hours or less
4.【经典教材系列】NumericalPython：A Practical Techniques Approach for Industry
5.Python中文学习大本营 http://www.pythondoc.com/
6.[Python书籍]NumericalMethods in Engineering with Python[Python中的数值算法]

引用一下风险管理版面前版主shanshantz的推荐：

《信用风险度量:风险估值的新方法与其他范式》

安东尼·桑德斯(Anthony Saunders)著,
推荐理由：当今金融领域最为重要的一个课题，就是信用风险管理的技巧与科学。对传统信用风险管理日渐增长的不满，加上国际清算银行(BIS)1993年实施的管制，使得众多金融机构纷纷寻求利用内部模型度量贷款组合信用风险的可替代方法。这一做法引起了激烈的争论，比如内部模型能否取代外部管制模型，以及信用风险度量和管理的哪一领域最适合运用内部模型。然而，由于大部分争论是高度技术性的，所以直到现在还难以为对之感兴趣的从业者、经济学家或监管官员所了解。
在本书中，作者鼓励更多的读者加入讨论，简化了围绕内部模型的许多技术性细节和详尽解析，而集中了这些模型背后的经济学和经济直觉。桑德斯教授详细考察了如何利用这些新模型所给出的各种方法，评估个别借款人的信用风险、资产组合的信用风险以及衍生产品合约的信用风险。其所探究的各种模型包括：作为期权的贷款和KMV模型，VaR方法：摩根大通的信用度量术和其他模型，宏观模拟方法：麦肯锡模型和其他模型，风险中性的评估方法：毕马威的贷款分析体系(LAS)，其他模型、保险的方法：死亡率模型和瑞士信贷的信用风险附加模型等。

《用VaR度量市场风险》

皮埃特罗·潘泽(Pietro Penza)、维普·K·班塞尔(Vipul K. Bansal)著
推荐理由：风险价值(VaR)是一种应用广泛的市场定量工具。用统一的标准度量风险这个想法不错，但理解该理论的基础以及各种模型(参数模型、历史模拟模型、蒙特卡罗模拟模型)，则是在控制风险的同时赢得喝彩的关键一环。VaR方法功效强大，但如果因为模型不当而给决策者和分析师们提供了不完整抑或错误的信息，那么VaR对实际投资的危害也是巨大的。本书向风险管理者和分析师们由浅入深地介绍了VaR测算方法，内容上把握全局，几乎涵盖了所有重要的问题(统计、金融与监管)，对于实际应用有很好的参照作用。

Credit Derivatives and Structured Credit : A Guide for Investors

作者：理查德· 布吕耶尔(Richard Bruyere), 拉玛· 孔特(Rama Cont), 雷济思· 卡皮诺(Regis Copinot), 洛克· 费瑞(Loic Fery), 克里斯朵夫·查科(Christophe Jaeck), 托马斯·施皮茨(Thomas Spitz), 加布里艾尔·斯马特(Gabrielle Smart)
内容提要：本书由多位在信贷衍生和结构性信贷市场具有丰富一手经验的从业者和专家共同完成，因此除了有关信贷衍生和结构性信贷市场的基本知识以外，还包括了许多对相关产品的深入描述、真实交易的分析以及市场概况、定价模式和银行商业模式等内容。

The Wal-Mart Effect : How the World's Most Powerful Company Really Works-and HowIt's Transforming the American Economy

作者：查尔斯·费西门
内容提要：作为美国新经济杂志《快速公司》(Fast Company)的编辑，查尔斯·费西门在2004年曾因其对沃尔玛的报道而被授予了美国商业记者的最高奖项。在本书中，费西门通过与25位沃尔玛的高层对话，走访了它世界各地的供应商并参观了与其有关的一切产业，指出沃尔玛的成功使其形成了一种“沃尔玛生态圈”，它的影响力如此之大使其凌驾于市场力量或传统规则之上。

推荐两本比较经典的书：
1.比莱茨基、卢特考斯基：《信用风险：建模、估值和对冲》，格致出版社2011年版

2.达菲、辛格尔顿：《信用风险——定价度量和管理》，上海财经大学出版社2009年版

学习了

学习了

支持分享“风险建模”好资源

我们Risk and Portfolio Management 上课用的书 贴一贴吧 感觉还不错