江南APP平台【送资料】盘点近几年AI+金融的应用与挑战本论文提供了一个框架，将高频日内数据整合到每日和较低频率的回报波动率和回报分布的测量江南APP、建模和预测中。在连续时间无套利价格过程理论和二次变异理论的基础上江南APP，建立了已实现波动率和条件协方差矩阵之间的正式联系。本论文结果为资产定价、资产配置和金融风险管理应用中相关的大协方差矩阵的实际建模和预测带来了希望。

　　推荐理由：本论文提出了一个在不同时间段定义的波动率成分的加法级联模型。该模型成功地以一种非常实用和简明的方式实现了再现金融收益的主要经验特征的目的。此外，经验结果显示了非常好的预测性能。

　　推荐理由：本论文提出了一个新的混合长短期记忆（LSTM）模型来预测股价波动，该模型通过将神经网络模型与多个计量经济学模型相结合，明显提高了预测性能。本论文中提出的方法可作为结合时间序列和神经网络模型以及预测波动的综合模型扩展到各个领域。

　　推荐理由：《金融时间序列分析》主要介绍了计量经济学和统计学文献中出现的金融计量方法方面的最新进展，强调实例和数据分析。特别是包含当前的研究热点，如风险值、高频数据分析和马尔町夫链蒙特卡罗方法等。主要内容包括：金融时间序列数据的基本特征江南APP，神经网络，非线性方法，使用跳跃扩散方程进行衍生产品的定价，采用极值理论计算风险值，带时变相关系数的多元波动率模型，贝叶斯推断。《金融时间序列分析》可作为金融等专业高年级本科生或研究生的时间序列分析教材，也可供相关专业研究人员参考。