量化金融R语言高级教程 [匈牙利] Edina Berlinger 艾迪娜·伯林格

股票学习站

	【资料名称】:量化金融R语言高级教程（异步图书）     【资料描述】: 　　编辑推荐 　　R语言是数据处理的**工具，将R语言引入金融定量分析可以更好地优化分析过程，高效获取分析结果。 　　本书是量化金融领域的R语言学习指南，通过阅读本书，读者可以了解核心的R语言建模技巧，掌握量化金融的关键技术。 　　内容简介 　　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。 　　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。 　　量化金融R语言高级教程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。 　　作者简介 　　Edina Berlinger拥有布达佩斯考文纽斯大学的博士学位。她是一位助理教授，讲授公司财务、金融学和金融风险管理。她还是大学金融系的领导，也是匈牙利科学院金融分会的主席。她的专业领域涉及信贷系统、风险管理以及网络分析。她已经领导过几个研究项目：学生贷款设计、流动性管理、异质代理模型和系统风险。 　　“本工作由匈牙利科学院的动量项目（LP-004/2010）支持。” 　　Ferenc Illés拥有罗兰大学的数学硕士学位。毕业之后的一些年中，他开始研究精算和金融数学，而且他即将开始在布达佩斯考文纽斯大学的博士学习。zui近几年，他在银行业工作。目前他正在开发使用R的统计模型。他的兴趣与大型网络以及计算复杂性有关。 　　Milán Badics拥有布达佩斯考文纽斯大学的硕士学位。现在，他是一名博士生，并且是PADS博士奖学金项目的成员。他讲授金融计量学，而且他的研究主题是使用数据挖掘方法的时间序列预测、金融信号处理以及利率模型的数值敏感分析。2014年5月，他在由匈牙利证券交易所组织的X. Kochmeister奖项的竞赛中获胜。 　　ádám Banai从布达佩斯考文纽斯大学得到投资分析和风险管理的硕士学位。他加入了匈牙利国家银行（Magyar Nemzeti Bank，MNB，匈牙利的中央银行）的金融稳定性部门。从2013年起，他成为金融系统分析理事会（MNB）应用研究和压力测试部门的领导。自2011年起，他也是布达佩斯考文纽斯大学的博士生。他的主要研究领域是偿付能力压力测试、资金流动性风险和系统风险。 　　Gergely Daróczi是一位狂热的R包开发者，并且是一家位于Rapporter的R网络应用公司的创始人和CTO。他同时也在攻读社会学博士学位，并且目前作为R开发者领导在洛杉矶的CARD.com工作。如果算上讲授统计学和从事数据分析项目的几年时间，他大约已经有10年的R编程环境的工作经验。Gergely是《量化金融R语言初级教程》（Introduction to R for Quantitative Finance）的合著者，目前除了一些关于社会科学的杂志文章和报告，他同时还忙于另一本Packt出版社的图书《精通R语言数据分析》（Mastering Data Analysis with R）。他对那本书的贡献是审阅并负责R源代码的格式。 　　Barbara D?m?t?r是布达佩斯考文纽斯大学金融系的一名助理教授。在2008年开始博士学习之前，她曾为多家跨国银行工作。她的博士论文与公司的套期保值有关。她撰写了关于公司财务、金融风险管理和投资分析的讲义。她的主要研究领域是公司财务、金融风险管理和公司的套期保值。 　　Gergely Gabler自2014年起是匈牙利国家银行（MNB）金融监管单位的商业模型分析部门领导。在这之前，自2008年起，他曾经是匈牙利Erste银行宏观经济研究部门的领导人。他在2009年毕业于布达佩斯考文纽斯大学，并获得金融数学的硕士学位。自2010年起，他在布达佩斯考文纽斯大学任客座讲师，同时也在MCC学院做高等研究的讲座。他预计会在2015年结束CFA考试，并成为一名持证人。 　　Dániel Havran是一名匈牙利科学院经济和区域研究中心经济研究所的博士后研究人员。他同时作为布达佩斯考文纽斯大学兼职助理教授，在那里他讲授公司财务（本科、博士）以及信用风险管理（硕士）。在2011年，他获得了布达佩斯考文纽斯大学的经济学博士学位。 　　“我非常感谢匈牙利科学院博士后奖学金计划的支持。” 　　Péter Juhász拥有布达佩斯考文纽斯大学的工商管理博士学位，同时也持有CFA证书。作为一名助理教授，他讲授公司财务、商业估值、Excel的VBA编程以及沟通技巧。他的研究领域涉及无形资产的估值、商业表现分析和建模以及政府采购和体育管理。他曾写过一些文章和书的某些章节，主要关于匈牙利公司的财务表现。同时，他也定期为中小企业服务，而且在安永商业学院的EMEA（欧洲、中东和非洲）区域任高级培训师。 　　István Margitai是CEE（中东欧）区域一家主要银行集团的资产负债管理团队的分析师。他主要处理方法论问题、产品建模以及内部转移定价等主题。在2009年，他开启了在匈牙利的资产负债管理的职业生涯，并收获了战略流动性管理和流动性计划的经验。他在布达佩斯考文纽斯大学主修投资和风险管理。他的研究兴趣是银行业的微观经济学、市场微观结构以及订单驱动市场的流动性。 　　Balázs Márkus从事金融衍生品工作已经超过10年。他曾经交易过多种类型的衍生品，从碳互换到国债期货的期权。他是布达佩斯Raiffesien银行外汇衍生品部门的领导。他是Pallas Athéné Domus环境科学基金会顾问委员会的一员、匈牙利国家银行的兼职分析师以及一家小型的证券自营和顾问公司Nitokris有限公司的常务董事。目前，他正在布达佩斯考尔纽斯大学攻读动态对冲作用的博士学位，同时他还是那里的一名教学助理。 　　Péter Medvegyev拥有布达佩斯Marx Károly大学的经济学硕士学位。在1977年毕业之后，他开始了匈牙利管理发展中心的顾问工作。他在1985年获得了经济学博士学位。自1993年开始，他为布达佩斯考文纽斯大学数学系工作。他在考文纽斯大学的教学经历涵盖随机过程、数理金融以及其他多门数学专业课。 　　Julia Molnár是布达佩斯考文纽斯大学的一名博士学位候选人。她的主要研究兴趣包括金融网络、系统风险以及零售银行业的金融技术创新。自2011年起，她为McKinsey & Company工作，在那里她参与了银行业领域的多项数字和创新研究。 　　Balázs árpád Sz?cs是布达佩斯考文纽斯大学的金融学博士生，并同时在该大学的金融系任研究助理。他拥有投资分析和风险管理的硕士学位。他的研究兴趣包括zuiyou执行、市场微观结构和日内交易量预测。 　　ágnes Tuza拥有布达佩斯考文纽斯大学的应用经济学学位，而且是巴黎高等商学院（HEC Paris）的转学生。她的工作经验包括为摩根斯坦利从事结构化产品估值，同时承担波士顿咨询集团的管理顾问一职。她是一名活跃的外汇交易者，并且为Gazdaság电视台拍摄了一个月的投资思想的直播，在节目里她经常用到技术分析，这一主题自她15岁起就开始感兴趣。她曾经是维尔纽斯大学多门金融相关科目的助教。 　　Tamás Vadász拥有布达佩斯考文纽斯大学的经济学硕士学位。毕业之后，他从事金融服务业的顾问工作。目前，他正在进行金融学博士学位的学习，他的主要研究兴趣包括金融经济学和银行业的风险管理。他在考文纽斯大学教的课程包括金融计量学、投资学和公司财务。 　　Kata Váradi自2013年起是布达佩斯考文纽斯大学金融系的助理教授。作为金融学学生，Kata毕业于2009年，并在2012年其毕业论文关于匈牙利股票市场的市场流动性风险分析通过答辩，获得了布达佩斯考文纽斯大学的博士学位。她的研究领域是市场流动性、固定收益证券以及医疗保健系统的网络。除了做研究，她也积极从事教学。她主要讲授公司财务、投资学、估值以及跨国金融管理。 　　ágnes Vidovics-Dancs是一位博士学位候选人，并且是布达佩斯考文纽斯大学的助理教授。此前她的工作是匈牙利政府债务管理局的初级风险管理师。她的主要研究领域是政府债务管理（一般）以及主权危机和违约（特别的）。她持有CEFA和CIIA证书。 　　目录 　　第1章　时间序列分析　1 　　1．1　多元时间序列分析　1 　　1．1．1　协整　2 　　1．1．2　向量自回归模型　5 　　1．1．3　协整VAR和VECM　12 　　1．2　波动率建模　15 　　1．2．1　通过rugarch包进行GARCH建模　19 　　1．2．2　模拟和预测　25 　　1．3　小结　26 　　1．4　参考文献　26 　　第2章　因素模型　28 　　2．1　套利定价理论　28 　　2．1．1　实现APT　30 　　2．1．2　Fama-French三因素模型　30 　　2．2　在R中建模　31 　　2．2．1　数据选择　31 　　2．2．2　通过主成分分析估计APT　33 　　2．2．3　Fama-French模型估计　35 　　2．3　小结　42 　　2．4　参考文献　43 　　第3章　成交量预测　44 　　3．1　动机　44 　　3．2　交易强度　45 　　3．3　成交量预测模型　46 　　3．4　R的实现　47 　　3．4．1　数据　48 　　3．4．2　载入数据　49 　　3．4．3　季节成分　51 　　3．4．4　AR(1)的估计和预测　53 　　3．4．5　SETAR的估计和预测　54 　　3．4．6　结果解释　55 　　3．5　小结　57 　　3．6　参考文献　58 　　第4章　大数据—高级分析　59 　　4．1　由开放资源获取数据　59 　　4．2　R大数据分析入门　63 　　4．3　大数据上的K-均值聚类　64 　　4．3．1　载入大矩阵　65 　　4．3．2　大数据K-均值聚类分析　66 　　4．4　大数据线性回归分析　68 　　4．4．1　载入大数据　69 　　4．4．2　在大型数据上拟合线性回归模型　704．5　小结　70 　　4．6　参考文献　71 　　第5章　FX衍生品　72 　　5．1　术语和记号　72 　　5．2　货币期权　74 　　5．3　交换期权　77 　　5．3．1　二维维纳过程　78 　　5．3．2　Margrabe公式　80 　　5．3．3　在R中应用　82 　　5．4　quanto期权　86 　　5．4．1　看涨quanto的定价公式　86 　　5．4．2　在R中对看涨quanto定价　88 　　5．5　小结　89 　　5．6　参考文献　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　利率模型的参数估计　103 　　6．5　使用SMFI5包　105 　　6．6　小结　106 　　6．7　参考文献　106 　　第7章　奇异期权　107 　　7．1　一般定价方法　107 　　7．2　动态对冲的作用　108 　　7．3　R如何发挥巨大作用　108 　　7．4　超越香草期权的概述　109 　　7．5　希腊字母——返回香草世界的链接　1147．6　对Double-no-touch期权定价　116 　　7．7　对Double-no-touch定价的另一种方法　1257．8　Double-no-touch期权的有效期——一个模拟　1267．9　嵌入结构产品的奇异期权　133 　　7．10　小结　137 　　7．11　参考文献　138 　　第8章　最优对冲　139 　　8．1　衍生品的对冲　139 　　8．1．1　衍生品的市场风险　140 　　8．1．2　静态delta对冲　140 　　8．1．3　动态delta对冲　141 　　8．1．4　比较delta对冲的表现　145 　　8．2　交易成本存在下的对冲　149 　　8．2．1　对冲最优化　151 　　8．2．2　绝对交易成本情形下的最优对冲　1528．2．3　相对对冲成本情形下的最优对冲　1548．3　进一步扩展　155 　　8．4　小结　156 　　8．5　参考文献　156 　　第9章　基本面分析　157 　　9．1　基本面分析基础　157 　　9．2　收集数据　158 　　9．3　揭示联系　162 　　9．4　引入多重变量　163 　　9．5　区分投资目标　164 　　9．6　设置分类规则　169 　　9．7　回测　170 　　9．8　特定行业投资　174 　　9．9　小结　177 　　9．10　参考文献　178 　　第10章　技术分析、神经网络和对数优化组合　17910．1　市场有效性　179 　　10．2　技术分析　180 　　10．2．1　技术分析工具箱　181 　　10．2．2　市场　181 　　10．2．3　绘制图形—比特币　182 　　10．2．4　内置的指标　185 　　10．2．5　K线模式：关键反转　187 　　10．2．6　评估信号和管理头寸　190 　　10．2．7　关于资金管理的一句话　192 　　10．2．8　小结　193 　　10．3　神经网络　193 　　10．3．1　预测比特币价格　195 　　10．3．2　策略评价　198 　　10．4　对数优化组合　199 　　10．4．1　普遍一致、非参数的投资策略　19910．4．2　策略的评价　203 　　10．5　小结　203 　　10．6　参考文献　203 　　第11章　资产和负债管理　205 　　11．1　数据准备　206 　　11．1．1　数据源的初印象　207 　　11．1．2　现金流生成器函数　209 　　11．1．3　准备现金流　211 　　11．2　利率风险度量　213 　　11．3　流动性风险度量　216 　　11．4　无到期日存款的建模　218 　　11．4．1　贷款利率发展的模型　218 　　11．4．2　无到期日存款的静态复制　222 　　11．5　小结　225 　　11．6　参考文献　226 　　第12章　资本充足率　227 　　12．1　巴塞尔协议的原则　227 　　12．1．1　巴塞尔I　228 　　12．1．2　巴塞尔II　228 　　12．1．3　巴塞尔Ⅲ　231 　　12．2　风险度量　233 　　12．2．1　解析VaR　235 　　12．2．2　历史VaR　236 　　12．2．3　蒙特卡洛模拟　236 　　12．3　风险分类　238 　　12．3．1　市场风险　238 　　12．3．2　信用风险　243 　　12．3．3　操作风险　247 　　12．4　小结　249 　　12．5　参考文献　249 　　第13章　系统风险　251 　　13．1　果壳中的系统风险　251 　　13．2　案例所用的数据集　252 　　13．3　核心-边缘分解　254 　　13．3．1　R中的实现　256 　　13．3．2　结果　257 　　13．4　模拟方法　258 　　13．4．1　模拟　258 　　13．4．2　在R中实现　259 　　13．4．3　结果　261 　　13．5　可能的解释和建议　264 　　13．6　小结　265 　　13．7　参考文献　265 【下载地址隐藏】：                    点：回复可见地址 游客，如果您要查看本帖隐藏内容请回复