书籍详情
基于R语言的金融分析
作者：[美] 马克J.班纳特，德克-L.胡根 ... 著，朱轩彤 董宁 岳蕾 吕指臣译 译
出版社：机械工业出版社
出版时间：2020-07-01
ISBN：9787111658214
定价：¥119.00
购买这本书可以去
内容简介
本书关注计算机模拟技术，提供了一种用R语言开发金融分析程序的系统方法，旨在指导读者建立一个软件模拟实验室，并在实验室的重要工作模块上回答分析问题，向读者，无论是金融从业者还是学者，提供了许多金融分析方面的解决方案。具体内容包括市场概率和统计的背景知识、R语言入门、金融证券、数据分析和风险度量、时间序列分析、集群分析、模拟交易策略、利用基本原理进行预测、期权的二项式模型等。每章都配有习题，可以帮助读者巩固所学知识。
作者简介
暂缺《基于R语言的金融分析》作者简介
目录
译者序
前言
第1章 分析性思维 1
1.1 什么是金融分析 1
1.2 什么是数据科学笔记本电脑实验室 2
1.3 什么是R语言，如何将其用于专业分析领域 4
1.4 习题 5
第2章 统计计算使用的R语言 6
2.1 R语言入门 6
2.2 语言功能：函数、赋值、参数和类型 9
2.3 语言功能：绑定和数组 11
2.4 错误处理 14
2.5 数字、统计和字符函数 15
2.6 数据帧和输入/输出 16
2.7 列表 17
2.8 习题 19
第3章 金融统计学 20
3.1 概率 20
3.2 排列组合 21
3.3 数学期望 27
3.4 样本均值、标准差和方差 29
3.5 样本偏度和峰度 30
3.6 样本协方差和相关矩阵 31
3.7 金融收益率 33
3.8 资本资产定价模型 34
3.9 习题 35
第4章 金融证券 37
4.1 债券投资 38
4.2 股票投资 40
4.3 证券数据集和可视化 41
4.4 股票分拆 43
4.5 为并购进行调整 48
4.6 绘制多个序列 49
4.7 证券数据导入 51
4.8 证券数据清理 57
4.9 证券报价 60
4.10 习题 61
第5章 数据集分析和风险测量 62
5.1 用对数收益率来生成价格 62
5.2 价格变动的正态混合模型 64
5.3 2015年货币价格的突变 70
5.4 习题 73
第6章 时间序列分析 74
6.1 时间序列入门 74
6.2 平稳型时间序列 78
6.3 自回归移动平均过程 79
6.4 幂变换 79
6.5 TSA包 80
6.6 自回归积分移动平均过程 87
6.7 案例研究：强生公司的收益 89
6.8 案例研究：乘客飞行月度数据 92
6.9 案例研究：电力生产 95
6.10 广义自回归条件异方差 97
6.11 案例研究：谷歌公司股票收益的波动性 97
6.12 习题 104
第7章 夏普比率 106
7.1 夏普比率公式 107
7.2 时间段和年化 107
7.3 排名投资候选选项 108
7.4 quantmod包 111
7.5 衡量损益表增长 116
7.6 损益表增长的夏普比率 119
7.7 习题 128
第8章 马科维茨均值方差优化 129
8.1 两种风险资产的最优投资组合 129
8.2 二次规划 132
8.3 利用投资组合优化进行数据挖掘 133
8.4 约束、惩罚和套索 135
8.5 向高维度延展 140
8.6 案例研究：2003～2008年标准普尔500指数成分股 147
8.7 案例研究：2008～2014年几千只候选股票 150
8.8 案例研究：交易所交易基金 154
8.9 习题 161
第9章 集群分析 163
9.1 k-means聚类 163
9.2 剖析k-means算法 169
9.3 无向图的稀疏性和连通性 172
9.4 协方差和精度矩阵 175
9.5 可视化协方差 177
9.6 Wishart分布 184
9.7 Glasso：无向图的惩罚 186
9.8 运行Glasso算法 187
9.9 多年追踪价值股 187
9.10 年度稀疏度回归 191
9.11 季度稀疏度回归 195
9.12 月度稀疏度回归 196
9.13 架构和扩展 197
9.14 习题 198
第10章 衡量市场情绪 199
10.1 马尔可夫区制转移模型 199
10.2 读取市场数据 202
10.3 贝叶斯推理 206
10.4 Beta分布 207
10.5 先验和后验分布 207
10.6 检验对数收益率的相关性 210
10.7 态势图 211
10.8 习题 215
第11章 模拟交易策略 217
11.1 外汇市场 217
11.2 图表分析 218
11.3 初始化及结束 219
11.4 动量指标 220
11.5 在头寸中使用贝叶斯推理 221
11.6 入场 223
11.7 离场 224
11.8 获利能力 224
11.9 短期波动性 225
11.10 状态机 225
11.11 模拟总结 232
11.12 习题 233
第12章 使用基础知识进行数据探索 235
12.1 RSQLite包 235
12.2 计算市净率 236
12.3 Reshape2包 238
12.4 案例研究：谷歌 240
12.5 案例研究：沃尔玛 242
12.6 价值投资 243
12.7 实验室：试图战胜市场 246
12.8 实验室：财务实力 247
12.9 习题 247
第13章 使用基本原理进行预测 248
13.1 最佳损益表投资组合 248
13.2 重新格式化损益表增长数据 249
13.3 获取价格统计 251
13.4 合并损益表和价格统计数据 255
13.5 使用分类树和递归划分进行预测 257
13.6 分类器之间的预测率比较 262
13.7 习题 264
第14章 期权的二项式模型 266
14.1 应用计算金融学 266
14.2 风险中性定价和无套利 269
14.3 高风险率环境 269
14.4 期权数据二项模型的收敛 271
14.5 买卖权平价 274
14.6 从二项到对数正态 275
14.7 习题 276
第15章 Black-Scholes 模型和期权的隐含波动率 277
15.1 几何布朗运动 277
15.2 几何布朗运动的蒙特卡罗模拟 279
15.3 Black-Scholes 推导 280
15.4 隐含波动率的算法 283
15.5 隐含波动率的实现 284
15.6 Rcpp包 290
15.7 习题 292
附录 概率分布与统计分析 293
参考文献 312
前言
第1章 分析性思维 1
1.1 什么是金融分析 1
1.2 什么是数据科学笔记本电脑实验室 2
1.3 什么是R语言，如何将其用于专业分析领域 4
1.4 习题 5
第2章 统计计算使用的R语言 6
2.1 R语言入门 6
2.2 语言功能：函数、赋值、参数和类型 9
2.3 语言功能：绑定和数组 11
2.4 错误处理 14
2.5 数字、统计和字符函数 15
2.6 数据帧和输入/输出 16
2.7 列表 17
2.8 习题 19
第3章 金融统计学 20
3.1 概率 20
3.2 排列组合 21
3.3 数学期望 27
3.4 样本均值、标准差和方差 29
3.5 样本偏度和峰度 30
3.6 样本协方差和相关矩阵 31
3.7 金融收益率 33
3.8 资本资产定价模型 34
3.9 习题 35
第4章 金融证券 37
4.1 债券投资 38
4.2 股票投资 40
4.3 证券数据集和可视化 41
4.4 股票分拆 43
4.5 为并购进行调整 48
4.6 绘制多个序列 49
4.7 证券数据导入 51
4.8 证券数据清理 57
4.9 证券报价 60
4.10 习题 61
第5章 数据集分析和风险测量 62
5.1 用对数收益率来生成价格 62
5.2 价格变动的正态混合模型 64
5.3 2015年货币价格的突变 70
5.4 习题 73
第6章 时间序列分析 74
6.1 时间序列入门 74
6.2 平稳型时间序列 78
6.3 自回归移动平均过程 79
6.4 幂变换 79
6.5 TSA包 80
6.6 自回归积分移动平均过程 87
6.7 案例研究：强生公司的收益 89
6.8 案例研究：乘客飞行月度数据 92
6.9 案例研究：电力生产 95
6.10 广义自回归条件异方差 97
6.11 案例研究：谷歌公司股票收益的波动性 97
6.12 习题 104
第7章 夏普比率 106
7.1 夏普比率公式 107
7.2 时间段和年化 107
7.3 排名投资候选选项 108
7.4 quantmod包 111
7.5 衡量损益表增长 116
7.6 损益表增长的夏普比率 119
7.7 习题 128
第8章 马科维茨均值方差优化 129
8.1 两种风险资产的最优投资组合 129
8.2 二次规划 132
8.3 利用投资组合优化进行数据挖掘 133
8.4 约束、惩罚和套索 135
8.5 向高维度延展 140
8.6 案例研究：2003～2008年标准普尔500指数成分股 147
8.7 案例研究：2008～2014年几千只候选股票 150
8.8 案例研究：交易所交易基金 154
8.9 习题 161
第9章 集群分析 163
9.1 k-means聚类 163
9.2 剖析k-means算法 169
9.3 无向图的稀疏性和连通性 172
9.4 协方差和精度矩阵 175
9.5 可视化协方差 177
9.6 Wishart分布 184
9.7 Glasso：无向图的惩罚 186
9.8 运行Glasso算法 187
9.9 多年追踪价值股 187
9.10 年度稀疏度回归 191
9.11 季度稀疏度回归 195
9.12 月度稀疏度回归 196
9.13 架构和扩展 197
9.14 习题 198
第10章 衡量市场情绪 199
10.1 马尔可夫区制转移模型 199
10.2 读取市场数据 202
10.3 贝叶斯推理 206
10.4 Beta分布 207
10.5 先验和后验分布 207
10.6 检验对数收益率的相关性 210
10.7 态势图 211
10.8 习题 215
第11章 模拟交易策略 217
11.1 外汇市场 217
11.2 图表分析 218
11.3 初始化及结束 219
11.4 动量指标 220
11.5 在头寸中使用贝叶斯推理 221
11.6 入场 223
11.7 离场 224
11.8 获利能力 224
11.9 短期波动性 225
11.10 状态机 225
11.11 模拟总结 232
11.12 习题 233
第12章 使用基础知识进行数据探索 235
12.1 RSQLite包 235
12.2 计算市净率 236
12.3 Reshape2包 238
12.4 案例研究：谷歌 240
12.5 案例研究：沃尔玛 242
12.6 价值投资 243
12.7 实验室：试图战胜市场 246
12.8 实验室：财务实力 247
12.9 习题 247
第13章 使用基本原理进行预测 248
13.1 最佳损益表投资组合 248
13.2 重新格式化损益表增长数据 249
13.3 获取价格统计 251
13.4 合并损益表和价格统计数据 255
13.5 使用分类树和递归划分进行预测 257
13.6 分类器之间的预测率比较 262
13.7 习题 264
第14章 期权的二项式模型 266
14.1 应用计算金融学 266
14.2 风险中性定价和无套利 269
14.3 高风险率环境 269
14.4 期权数据二项模型的收敛 271
14.5 买卖权平价 274
14.6 从二项到对数正态 275
14.7 习题 276
第15章 Black-Scholes 模型和期权的隐含波动率 277
15.1 几何布朗运动 277
15.2 几何布朗运动的蒙特卡罗模拟 279
15.3 Black-Scholes 推导 280
15.4 隐含波动率的算法 283
15.5 隐含波动率的实现 284
15.6 Rcpp包 290
15.7 习题 292
附录 概率分布与统计分析 293
参考文献 312
猜您喜欢
