全部商品分类

您现在的位置: 全部商品分类 > 电子电脑 > 计算机技术 > 程序与语言

量化金融R语言高级教程

  • 定价: ¥79
  • ISBN:9787115449825
  • 开 本:16开 平装
  •  
  • 折扣:
  • 出版社:人民邮电
  • 页数:266页
  • 作者:(匈牙利)艾迪娜·...
  • 立即节省:
  • 2017-05-01 第1版
  • 2017-05-01 第1次印刷
我要买:
点击放图片

导语

  

内容提要

  

    R语言是用于统计分析、绘图的语言和操作环境,是属于GNU系统的一个自由、免费、源代码开放的软件。它是一个用于统计计算和统计制图的强大工具。
    艾迪娜·伯林格等著的这本《量化金融R语言高级教程》通过13章的内容向读者详细介绍了使用R语言实现量化金融的方方面面。本书包括实证金融(第1~4章)、金融工程(第5~7章)、交易策略优化(第8~10章)和银行管理(第10~13章)等主题。
    本书的目标读者是那些既熟悉基本金融概念又具有一定编程能力的人。通过阅读本书,读者可以了解R语言与量化金融相关的各类知识和编程技巧。

目录

第1章  时间序列分析
  1.1  多元时间序列分析
    1.1.1  协整
    1.1.2  向量自回归模型
    1.1.3  协整VAR和VECM
  1.2  波动率建模
    1.2.1  通过rugarch包进行GARCH建模
    1.2.2  模拟和预测
  1.3  小结
  1.4  参考文献
第2章  因素模型
  2.1  套利定价理论
    2.1.1  实现
    2.1.2  Fama-French三因素模型
  2.2  在R中建模
    2.2.1  数据选择
    2.2.2  通过主成分分析估计APT
    2.2.3  Fama-French模型估计
  2.3  小结
  2.4  参考文献
第3章  成交量预测
  3.1  动机
  3.2  交易强度
  3.3  成交量预测模型
  3.4  R的实现
    3.4.1  数据
    3.4.2  载入数据
    3.4.3  季节成分
    3.4.4  AR(1)的估计和预测
    3.4.5  SETAR的估计和预测
    3.4.6  结果解释
  3.5  小结
  3.6  参考文献
第4章  大数据—高级分析
  4.1  由开放资源获取数据
  4.2  R大数据分析入门
  4.3  大数据上的K-均值聚类
    4.3.1  载入大矩阵
    4.3.2  大数据K-均值聚类分析
  4.4  大数据线性回归分析
    4.4.1  载入大数据
    4.4.2  在大型数据上拟合线性回归模型
  4.5  小结
  4.6  参考文献
第5章  FX衍生品
  5.1  术语和记号
  5.2  货币期权
  5.3  交换期权
    5.3.1  二维维纳过程
    5.3.2  Margrabe公式
    5.3.3  在R中应用
  5.4  quanto期权
    5.4.1  看涨quanto的定价公式
    5.4.2  在R中对看涨quanto定价
  5.5  小结
  5.6  参考文献
第6章  利率衍生品和模型
  6.1  Black模型
  6.2  Vasicek模型
  6.3  Cox-Ingersoll-Ross模型
  6.4  利率模型的参数估计
  6.5  使用SMFI5包
  6.6  小结
  6.7  参考文献
第7章  奇异期权
  7.1  一般定价方法
  7.2  动态对冲的作用
  7.3  R如何发挥巨大作用
  7.4  超越香草期权的概述
  7.5  希腊字母——返回香草世界的链接
  7.6  对Double-no-touch期权定价
  7.7  对Double-no-touch定价的另一种方法
  7.8  Double-no-touch期权的有效期——一个模拟
  7.9  嵌入结构产品的奇异期权
  7.10  小结
  7.11  参考文献
第8章  最优对冲
  8.1  衍生品的对冲
    8.1.1  衍生品的市场风险
    8.1.2  静态delta对冲
    8.1.3  动态delta对冲
    8.1.4  比较delta对冲的表现
  8.2  交易成本存在下的对冲
    8.2.1  对冲最优化
    8.2.2  绝对交易成本情形下的最优对冲
    8.2.3  相对对冲成本情形下的最优对冲
  8.3  进一步扩展
  8.4  小结
  8.5  参考文献
第9章  基本面分析
  9.1  基本面分析基础
  9.2  收集数据
  9.3  揭示联系
  9.4  引入多重变量
  9.5  区分投资目标
  9.6  设置分类规则
  9.7  回测
  9.8  特定行业投资
  9.9  小结
  9.10  参考文献
第10章  技术分析、神经网络和对数优化组合
  10.1  市场有效性
  10.2  技术分析
    10.2.1  技术分析工具箱
    10.2.2  市场
    10.2.3  绘制图形—比特币
    10.2.4  内置的指标
    10.2.5  K线模式:关键反转
    10.2.6  评估信号和管理头寸
    10.2.7  关于资金管理的一句话
    10.2.8  小结
  10.3  神经网络
    10.3.1  预测比特币价格
    10.3.2  策略评价
  10.4  对数优化组合
    10.4.1  普遍一致、非参数的投资策略
    10.4.2  策略的评价
  10.5  小结
  10.6  参考文献
第11章  资产和负债管理
  11.1  数据准备
    11.1.1  数据源的初印象
    11.1.2  现金流生成器函数
    11.1.3  准备现金流
  11.2  利率风险度量
  11.3  流动性风险度量
  11.4  无到期日存款的建模
    11.4.1  贷款利率发展的模型
    11.4.2  无到期日存款的静态复制
  11.5  小结
  11.6  参考文献
第12章  资本充足率
  12.1  巴塞尔协议的原则
    12.1.1  巴塞尔I
    12.1.2  巴塞尔II
    12.1.3  巴塞尔Ⅲ
  12.2  风险度量
    12.2.1  解析VaR
    12.2.2  历史VaR
    12.2.3  蒙特卡洛模拟
  12.3  风险分类
    12.3.1  市场风险
    12.3.2  信用风险
    12.3.3  操作风险
  12.4  小结
  12.5  参考文献
第13章  系统风险
  13.1  果壳中的系统风险
  13.2  案例所用的数据集
  13.3  核心-边缘分解
    13.3.1  R中的实现
    13.3.2  结果
  13.4  模拟方法
    13.4.1  模拟
    13.4.2  在R中实现
    13.4.3  结果
  13.5  可能的解释和建议
  13.6  小结
  13.7  参考文献