量化金融R語言初級教程 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

Gergely，Daróczi，蓋爾蓋伊 等 著，高蓉，李茂 譯

齣版社： 人民郵電齣版社

ISBN：9787115451231

版次：01

商品編碼：12069905

品牌：異步圖書

包裝：平裝

開本：16開

齣版時間：2017-04-01

頁數：141

正文語種：中文

編輯推薦

量化金融已經逐漸成為金融領域的熱門話題，並且有望在未來成為一個必然的發展趨勢。R語言是數據處理的**工具，將R語言引入金融定量分析可以更好地優化分析過程，高效地獲取分析結果。量化金融R語言初級教程 非常適閤R語言新手和想使用R解決金融問題的讀者使用。

內容簡介

R是用於統計分析、繪圖的語言和操作環境。它是屬於GNU係統的一個自由、免費、源代碼開放的軟件，是一個用於統計計算和統計製圖的強大工具。
量化金融R語言初級教程 通過9章的內容嚮讀者詳細介紹使用R語言實現量化金融的一些基礎知識和方法，內容包括時間序列分析、投資組閤優化、資産定價模型、固定收益證券、估計利率期限結構、衍生品定價、信用風險管理、極值理論和金融網絡等。
量化金融R語言初級教程 的目標讀者是那些希望通過R語言來解決量化金融問題的讀者，如果讀者具備一定的金融知識，將會對量化金融R語言初級教程 的閱讀有較大的幫助。通過閱讀量化金融R語言初級教程 ，讀者將學習到有關R語言的諸多核心內容，並瞭解R語言在量化金融方麵的各類應用。

作者簡介

Gergely Daróczi是一位社會學博士學位候選人，擁有大約8年R編程的數據管理和分析任務的工作經驗。Gergely數年來在匈牙利的多所大學講授統計學課程並從事數據分析工作，近期他還創建並協調著一個總部位於英國的在綫報告創業公司。後者作為一種服務性平颱，其軟件或者平颱稱為rapporter.net，可以對本書涉及的所有方法和技術提供一個直觀的界麵和接口。他對本書的貢獻是提供瞭量化金融問題和方法的R實現。
Michael Puhle在德國帕紹大學（University of Passau）獲得瞭金融學博士學位。他曾在慕尼黑的安聯資産管理公司（Allianz Global Investors）擔任高級風險控製經理多年，後來在畢馬威金融風險管理（KPMG's Financial Risk Management）部門中擔任管理助理，在那裏他就市場風險模型為銀行提供谘詢。他還是斯普林格齣版社（Springer Publishing）齣版的《債券組閤優化》（Bond Portfolio Optimization）的作者之一。
Edina Berlinger是畢業於布達佩斯考文紐斯大學（Corvinus University of Budapest）的經濟學博士。她是一名助理教授，講授公司金融、投資學和金融風險管理。她還擔任大學金融係的領導職務，也是匈牙利科學院金融分委員會的主席。她的專業涉及學生貸款係統、風險管理，近期又涉及瞭網絡分析領域。在學生貸款設計、流動性管理、異質代理模型和係統風險方麵，她領導過一些研究項目。
Péter Csóka是布達佩斯考文紐斯大學的助理教授，同時也是匈牙利科學院經濟與區域研究中心、博弈論研究組的研究員。2008年，他在馬斯特裏赫特大學（Maastricht University）獲得瞭博士學位。他的研究主題包括風險管理、風險資本配置、博弈論、公司金融以及一般均衡理論。他目前緻力於分析對係統風險和非流動性資産組閤的風險貢獻。他在《運籌研究的數學方法》（Mathematical Methods of Operational Research）、《歐洲運籌研究雜誌》（European Journal of Operational Research）、《博弈與經濟行為》（Games and Economic Behaviour）以及《銀行與金融雜誌》（Journal of Banking and Finance）發錶過論文。他還是布達佩斯金融市場流動性年度會議組織委員會的主席。
Daniel Havran是匈牙利科學院經濟研究所、經濟與區域研究中心的博士後研究員。他還在布達佩斯考文紐斯大學擔任兼職的助理教授，在那裏，他講授公司金融（本科和博士水平）和信用風險管理（碩士水平）的課程。2011年，他在布達佩斯考文紐斯大學獲得瞭經濟學博士學位。他研究的興趣方嚮是公司現金、基金流動性管理以及場外市場的信用衍生品。
Márton Michaletzky在2011年從布達佩斯考文紐斯大學獲得瞭經濟學博士學位。在2000～2003年間，他是協和證券有限公司（Concorde Securities Ltd）的風險經理和宏觀經濟分析師。作為資本市場交易經理，他在匈牙利國傢高速公路管理公司獲得瞭30億歐元的證券化經驗。2012年，他參與瞭一次IPO的準備工作以及匈牙利金融服務提供商的私人配售。在加入DBH投資之前，他是CUB金融係的助理教授。
Zsolt Tulassay在一傢專業的美國投資銀行任量化分析師，從事評估衍生品定價模型相關的工作。在此之前，Zsolt是布達佩斯考文紐斯大學金融係的助理講師，講授衍生品、量化風險管理和金融計量經濟學。Zsolt擁有布達佩斯考文紐斯大學和中歐大學的碩士學位。他研究的興趣方嚮包括衍生品定價、構建收益率麯綫、流動性風險以及異質代理模型。
Kata Váradi自2013年以來一直在布達佩斯考文紐斯大學任金融學的助理教授。2009年，Kata從布達佩斯考文紐斯大學研究生畢業，並於2012年獲得瞭博士學位，她論文的主題是關於匈牙利股票市場的市場流動性風險分析。她的研究領域包括市場流動性、固定收益證券以及醫療係統的網絡。除瞭研究，她對教學也很積極。主要講授公司金融、投資學、估值以及跨國金融管理。
Agnes Vidovics-Dancs是博士學位候選人和布達佩斯考文紐斯大學金融係的助理教授。在此之前，她是匈牙利政府債務管理局的初級風險經理。她的主要研究領域是通常的政府債務管理，特彆是主權危機和違約。

目錄

第1章　時間序列分析 1
1．1　使用時間序列數據　1
1．2　對英國房屋價格建模並預測　5
1．2．1　模型識彆和估計　6
1．2．2　模型診斷檢查　7
1．2．3　預測　9
1．3　協整　9
1．4　波動率建模　13
1．4．1　風險管理的波動率預測　14
1．4．2　檢驗ARCH效應　14
1．4．3　GARCH模型設定　16
1．4．4　GARCH模型估計　16
1．4．5　迴測風險模型　17
1．4．6　預測　20
1．5　小結　21
第2章　投資組閤優化　22
2．1　均方差模型　24
2．2　解的概念　25
2．3　使用真實數據　27
2．4　切綫組閤和資本市場綫　35
2．5　協方差矩陣中的噪聲　36
2．6　如果方差不夠用　37
2．7　小結　37
第3章　資産定價模型　39
3．1　資本資産定價模型　39
3．2　套利定價理論　41
3．3　貝塔估計　42
3．3．1　數據選擇　43
3．3．2　簡單貝塔估計　46
3．3．3　基於綫性迴歸估計貝塔　46
3．4　模型檢驗　50
3．4．1　數據收集　50
3．4．2　對SCL建模　53
3．4．3　檢驗個體方差的解釋能力　55
3．5　小結　57
第4章　固定收益證券　58
4．1　度量固定收益證券的市場風險　58
4．2　固定收益投資組閤的免疫　62
4．2．1　淨值免疫　62
4．2．2　目標日期免疫　63
4．2．3　定製　63
4．3　可轉換債券的定價　63
4．4　小結　67
第5章　估計利率期限結構　68
5．1　利率期限結構與相關函數　68
5．2　估計問題　69
5．3　基於綫性迴歸的期限結構估計　70
5．4　三次樣條迴歸　71
5．5　R函數應用　74
5．6　小結　77
第6章　衍生品定價　78
6．1　Black-Scholes模型　78
6．2　Cox-Ross-Rubinstein模型　81
6．3　兩種模型之間的聯係　84
6．4　希臘字母　86
6．5　隱含波動率　90
6．6　小結　91
第7章　信用風險管理　93
7．1　信用違約模型　94
7．1．1　結構模型　94
7．1．2　強度模型　100
7．2　相關違約——投資組閤方法　102
7．3　遷移矩陣　104
7．4　使用R的信用評分入門　105
7．5　小結　106
第8章　極值理論　107
8．1　理論概覽　108
8．2　應用——保險理賠的建模　109
8．2．1　探索性數據分析　110
8．2．2　理賠的尾部行為　111
8．2．3　閾值的決定　113
8．2．4　對尾部擬閤GPD分布　114
8．2．5　使用擬閤的GPD模型估計分位數　116
8．2．6　使用擬閤的GPD模型計算預期損失　117
8．3　小結　118
第9章　金融網絡　120
9．1　金融網絡的錶示、模擬和可視化　120
9．2　網絡結構的分析和拓撲改變的檢查　125
9．3　對係統風險的貢獻——係統重要性金融機構的識彆　131
9．4　小結　133
參考文獻　135

評分☆☆☆☆☆

集中采購相關書籍，還沒看，先好評～

評分☆☆☆☆☆

不錯的。給五星吧。非要十個字。

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

很薄的一本小冊子，不劃算

評分☆☆☆☆☆

很好，很實用，是要找的書

評分☆☆☆☆☆

給孩子買的書。自學。上班有用。

評分☆☆☆☆☆

內容上：書太難，錶達過於簡單，很多東西沒有講清楚。並不適閤初學者使用。

評分☆☆☆☆☆

專業書籍，送貨快，內容全麵，學習中……

評分☆☆☆☆☆

集中采購相關書籍，還沒看，先好評～