Deepak K. Kanungo 著

李波, 简洪涛, 李一帆, 殷吉轩 译

出版时间：2025年05月

页数：225

“卡农戈以他务实且坚定的风格，摒弃了现代的传统观念，对概率机器学习进行了精彩的分析。他不把概率机器学习当作一种解决方案，而是将其视为金融科技领域最明智的发展方向。”
——Ian Angell
伦敦经济学院名誉教授
“这本书阐释了传统模型的缺陷，以及概率机器学习模型在金融和投资领域的现实预测能力，在减少对直觉的依赖方面迈出了重要的一步。”
——Bruno Rignel
Alpha Key Capital Management首席投资官
概率机器学习代表着金融和投资领域的下一代机器学习框架与技术，原因有以下几点。这种生成式集成模型能够持续从小型且包含噪声的金融数据集中学习，同时无缝实现概率推断、反演、预测以及反事实推理。概率机器学习还能让你系统地将个人知识、经验知识以及机构知识编码到机器学习模型中。
无论基于学术理论还是机器学习策略，所有金融模型都存在建模误差，这些误差可以减小，但无法消除。概率机器学习系统将金融和投资系统中的不确定性和误差视为特征，而非缺陷。它们将由不精确的输入和输出所产生的不确定性量化为概率分布，而非点估计值。这就使得基于现实情况的金融推断和预测对决策制定和风险管理具有实用价值。
与传统人工智能不同，当这些系统的推断和预测在当前市场环境中不再有效时，它们能够向我们发出警告。摒弃有缺陷的统计方法以及将概率视为极限频率的狭隘传统观点，你将朝着在公理化统计框架内把概率视为逻辑的直观观点迈进，该框架能够全面且成功地对不确定性进行量化。
本书将向你展示如何做到这一点。