大型数据库的可用性和显著提高计算能力已经爆炸性增长的关键决定因素对机器学习的兴趣。从这个意义上讲,机器学习方法、神经网络和遗传算法等被用作方法论的工具来了解复杂的自适应系统的行为并将许多的非结构化和结构化数据流。经济学和金融学,另一方面,经历了一个微程序级分析越来越浓的兴趣,但实证方法论主要限于线性方法由传统的计量经济学方法。

这个跨规程的特殊问题旨在将机器学习领域的概念方法与实证问题,我们发现在经济学和金融学。有一个大房间里探索在这两个领域的交叉点。机器学习超越回归方法,我们可以以多种方式使用它们。因此,它可以给新见解在经济和金融数据是如何组织的。应用这些方法可能导致评估的辩论,监视和预测经济和金融变量非常相关。

在这个特殊的问题,我们欢迎新见解,模型,和应用程序在各种各样的话题,桥的话题在机器学习复杂的经济和金融网络。re-unsupervised学习方法的应用和适应,比如数据和社区集群、排名,异常检测、semisupervised和监督学习技术,如分类和回归,应用于财经,极大的兴趣。

有许多差距在文献中,我们解决一些他们在这个特殊的问题。我们提供各种各样的论文为辩论在经济学和金融学中使用机器学习。

在这个特殊的问题,我们收集一些贡献。论文研究消费贷款”的消费者贷款还款行为建模组合在商业周期:三联体马尔可夫模型的方法,“交易策略”投资者行为建模使用机器学习:均值回归和动量交易策略,“公共采购公告”在西班牙公共采购公告:规定,数据分析,使用机器学习和奖项的价格估计,“汇率预测“人民币汇率与EMD-Based神经网络预测,“人民币的内化”的研究基于边境地区人民币国际化路径的角度来看,“和破产预测“混合方法利用过采样技术和降低成本的学习方案破产预测”和“一个微分Evolution-Oriented修剪破产预测神经网络模型。”

一些论文也讨论效率”中国农业上市公司的融资效率的分析基于机器学习,“风险评估”的应用BP神经网络模型在铁路建设的风险评价,“股票价格预测“股票价格模式预测基于复杂网络和机器学习”和“深学习图像识别适用于股票市场预测”?“大数据市场定价模型和策略优化定价模型基于数据质量”和“双通道供应链中的定价策略与关怀的零售商,“需求预测”使用深度学习方法和一种改进的需求预测模型提出了供应链集成策略决定,“投资组合优化投资组合优化与资产负债率的监管约束,“和测量亲密”措施用户亲密通过挖掘最大信息传输路径”。

进一步的研究也可以使用新方法来利用预测崩溃的 1),评估银行体系监督( 2),评估金融数据的动态树( 3),和研究机构的效率 4- - - - - - 6]。