《量化金融R語言高級教程》是2019年2月人民郵電出版社出版的圖書，作者是[匈牙利]Edina Berlinger。
基本介紹
- 中文名：量化金融R語言高級教程
- 作者：[匈牙利]Edina Berlinger
- ISBN：9787115449825
- 頁數：266頁
- 定價：79元
- 出版社：人民郵電出版社
- 出版時間：2019年2月
- 裝幀：平裝
- 開本：16開
內容簡介,圖書目錄,
內容簡介
R語言是用於統計分析、繪圖的語言和操作環境，是屬於GNU系統的一個自由、免費、原始碼開放的軟體。它是一個用於統計計算和統計製圖的強大工具。
量化金融R語言高 級教程通過13章的內容向讀者詳細介紹了使用R語言實現量化金融的方方面面。本書包括實證金融（第 1～4章）、金融工程（第5～7章）、交易策略最佳化（第8～10章）和銀行管理（第 10～13章）等主題。
量化金融R語言高 級教程的目標讀者是那些既熟悉基本金融概念又具有一定編程能力的人。通過閱讀本書，讀者可以了解R語言與量化金融相關的各類知識和編程技巧。
圖書目錄
第 1章 時間序列分析 1
1.1 多元時間序列分析 1
1.1.1 協整 2
1.1.2 向量自回歸模型 5
1.1.3 協整VAR和VECM 12
1.2 波動率建模 15
1.2.1 通過rugarch包進行GARCH建模 19
1.2.2 模擬和預測 25
1.3 小結 26
1.4 參考文獻 26
第 2章 因素模型 28
2.1 套利定價理論 28
2.1.1 實現APT 30
2.1.2 Fama-French三因素模型 30
2.2 在R中建模 31
2.2.1 數據選擇 31
2.2.2 通過主成分分析估計APT 33
2.2.3 Fama-French模型估計 35
2.3 小結 42
2.4 參考文獻 43
第3章 成交量預測 44
3.1 動機 44
3.2 交易強度 45
3.3 成交量預測模型 46
3.4 R的實現 47
3.4.1 數據 48
3.4.2 載入數據 49
3.4.3 季節成分 51
3.4.4 AR(1)的估計和預測 53
3.4.5 SETAR的估計和預測 54
3.4.6 結果解釋 55
3.5 小結 57
3.6 參考文獻 58
第4章 大數據—高 級分析 59
4.1 由開放資源獲取數據 59
4.2 R大數據分析入門 63
4.3 大數據上的K-均值聚類 64
4.3.1 載入大矩陣 65
4.3.2 大數據K-均值聚類分析 66
4.4 大數據線性回歸分析 68
4.4.1 載入大數據 69
4.4.2 在大型數據上擬合線性回歸模型 70
4.5 小結 70
4.6 參考文獻 71
第5章 FX衍生品 72
5.1 術語和記號 72
5.2 貨幣期權 74
5.3 交換期權 77
5.3.1 二維維納過程 78
5.3.2 Margrabe公式 80
5.3.3 在R中套用 82
5.4 quanto期權 86
5.4.1 看漲quanto的定價公式 86
5.4.2 在R中對看漲quanto定價 88
5.5 小結 89
5.6 參考文獻 89
第6章 利率衍生品和模型 90
6.1 Black模型 90
6.2 Vasicek模型 95
6.3 Cox-Ingersoll-Ross模型 101
6.4 利率模型的參數估計 103
6.5 使用SMFI5包 105
6.6 小結 106
6.7 參考文獻 106
第7章 奇異期權 107
7.1 一般定價方法 107
7.2 動態對沖的作用 108
7.3 R如何發揮巨大作用 108
7.4 超越香草期權的概述 109
7.5 希臘字母——返回香草世界的連結 114
7.6 對Double-no-touch期權定價 116
7.7 對Double-no-touch定價的另一種方法 125
7.8 Double-no-touch期權的有效期——一個模擬 126
7.9 嵌入結構產品的奇異期權 133
7.10 小結 137
7.11 參考文獻 138
第8章 最優對沖 139
8.1 衍生品的對沖 139
8.1.1 衍生品的市場風險 140
8.1.2 靜態delta對沖 140
8.1.3 動態delta對沖 141
8.1.4 比較delta對沖的表現 145
8.2 交易成本存在下的對沖 149
8.2.1 對沖最最佳化 151
8.2.2 絕 對交易成本情形下的最優對沖 152
8.2.3 相對對沖成本情形下的最優對沖 154
8.3 進一步擴展 155
8.4 小結 156
8.5 參考文獻 156
第9章 基本面分析 157
9.1 基本面分析基礎 157
9.2 收集數據 158
9.3 揭示聯繫 162
9.4 引入多重變數 163
9.5 區分投資目標 164
9.6 設定分類規則 169
9.7 回測 170
9.8 特定行業投資 174
9.9 小結 177
9.10 參考文獻 178
第 10章 技術分析、神經網路和對數最佳化組合 179
10.1 市場有效性 179
10.2 技術分析 180
10.2.1 技術分析工具箱 181
10.2.2 市場 181
10.2.3 繪製圖形—比特幣 182
10.2.4 內置的指標 185
10.2.5 K線模式：關鍵反轉 187
10.2.6 評估信號和管理頭寸 190
10.2.7 關於資金管理的一句話 192
10.2.8 小結 193
10.3 神經網路 193
10.3.1 預測比特幣價格 195
10.3.2 策略評價 198
10.4 對數最佳化組合 199
10.4.1 普遍一致、非參數的投資策略 199
10.4.2 策略的評價 203
10.5 小結 203
10.6 參考文獻 203
第 11章 資產和負債管理 205
11.1 數據準備 206
11.1.1 數據源的初印象 207
11.1.2 現金流生成器函式 209
11.1.3 準備現金流 211
11.2 利率風險度量 213
11.3 流動性風險度量 216
11.4 無到期日存款的建模 218
11.4.1 貸款利率發展的模型 218
11.4.2 無到期日存款的靜態複製 222
11.5 小結 225
11.6 參考文獻 226
第 12章 資本充足率 227
12.1 巴塞爾協定的原則 227
12.1.1 巴塞爾I 228
12.1.2 巴塞爾II 228
12.1.3 巴塞爾Ⅲ 231
12.2 風險度量 233
12.2.1 解析VaR 235
12.2.2 歷史VaR 236
12.2.3 蒙特卡洛模擬 236
12.3 風險分類 238
12.3.1 市場風險 238
12.3.2 信用風險 243
12.3.3 操作風險 247
12.4 小結 249
12.5 參考文獻 249
第 13章 系統風險 251
13.1 果殼中的系統風險 251
13.2 案例所用的數據集 252
13.3 核心-邊緣分解 254
13.3.1 R中的實現 256
13.3.2 結果 257
13.4 模擬方法 258
13.4.1 模擬 258
13.4.2 在R中實現 259
13.4.3 結果 261
13.5 可能的解釋和建議 264
13.6 小結 265
13.7 參考文獻 265
