计算实验金融研究 9787030293862 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

张维 著

图书标签:

• 金融学
• 计算金融
• 实验经济学
• 金融工程
• 量化投资
• 风险管理
• 金融建模
• 投资分析
• 高等教育
• 学术研究

店铺： 广影图书专营店

出版社： 科学出版社

ISBN：9787030293862

商品编码：29672748842

包装：精装

出版时间：2010-12-01

基本信息

书名:计算实验金融研究

定价：45.00元

售价：30.6元,便宜14.4元,折扣68

作者:张维

出版社：科学出版社

出版日期：2010-12-01

ISBN：9787030293862

字数：

页码：

版次：1

装帧：精装

开本：32开

商品重量：1.180kg

编辑推荐

　　主要读者对象为高校教师、研究生，金融监管机构和各金融机构的决策者、研究人员，以及金融产品开发人员，能够对他们产生思想的启发和提供研究方法指导。

内容提要

　　本书的写A作意图是：尝试在中国市场条件下，利用计算实验金融方法解决常规金融经济学方法所难于解决的一些金融研究问题，从而倡导计算实验金融学在我国的发展。本书首先阐明了计算实验金融的研究方法论，然后详细介绍了计算实验金融学的起源、发展历程和研究现状，进而通过利用计算实验金融方法对金融市场中的各种异象做出合理的解释，并对投资者生存、适应性市场假说、时间序列可预测性等金融学界广为关注的问题做出尝试性的回答。本书的写作材料来源于作者及其所在团队多年在计算实验金融领域的研究成果积累。新兴的中国金融市场因为国情特性而展现出更多的未知规律需要探索。然而，美国的金融危机却表明，对于因巨量异质个体的适应互而具有高度复杂性特征动态的现代金融市场网络体系，亟需计算实验方法来寻求其复杂的规律性。本书的学术价值在于借助于计算实验金融方法的独特优势、考虑了'中国情景'特征，通过建立具有中国金融市场制度及投资者特点的人工金融市场模型，扩展了金融经济学的一些重要理论。本书将有助于监管机构、交易所和金融机构对金融政策、金融市场制度及金融创新等重要金融活动进行计算实验分析，为国家重大经济金融问题的政策制订提供实验科学依据，促进我国金融市场的健康发展。本书是计算实验金融领域的本研究型著作。本书从行为金融学的角度系统的总结了计算实验金融方法论，分析了其思想起源与发展脉络，这是相对于国外同类书籍的创新之处。本书的*特点是结合中国金融市场条件，利用计算实验金融方法揭示了中国金融市场的一些异象和规律。

目录

前言章 导言：金融研究方法论的突破 1.1 从金融危机到经典金融学的危机 1.2 经典金融理论研究方法的局限 1.3 新金融经济学的探索与金融研究范式的转变 1.4 计算实验金融学的诞生、定义及其建模方法 1.4.1 计算实验金融学的诞生 1.4.2 计算实验金融学的定义 1.4.3 计算实验金融学的建模方法 1.5 计算实验金融学的外研究概况 1.5.1 国际总体研究概况 1.5.2 的研究现状 1.6 计算实验金融学的发展趋势 1.6.1 突破新金融经济学的发展“瓶颈” 1.6.2 从人工金融市场到“虚拟市场” 1.6.3 融合综合集成法对复杂金融体系进行研究第2章 计算实验金融：一个新兴的研究领域 2.1 计算实验金融的发展历程 2.1.1 从复杂自适应系统谈起 2.1.2 计算实验金融理论的思想基础与方法论特点 2.1.3 计算实验金融学的优势 2.2 人工金融市场模型简介 2.2.1 SFI-ASM简介 2.2.2 SUM和SUMWeb简介第3章 中国股市过度波动之谜：基于agent的交易策略演化与仿真分析 3.1 股市过度波动问题 3.1.1 股市过度波动问题的研究现状 3.1.2 理论模型研究的局限 3.1.3 破解过度波动之谜的新思路 3.2 模拟市场的设计与构造 3.2.1 中国股票市场部分特征分析 3.2.2 具有中国部分特征的人工股票市场设计 3.3 过度波动实验结果分析 3.3.1 市场总体特征分析 3.3.2 agent微观交易策略的动态特征 3.4 结论第4章 股票收益异象：投资者非理性的影响 4.1 股票收益异象及其研究进展 4.1.1 相关概念——实证研究的视角 4.1.2 相关理论研究的进展 4.1.3 对现有理论的改进思路 4.2 概念模型与基本假设 4.2.1 市场部分 4.2.2 投资者部分 4.2.3 惯性预测型投资者 4.2.4 信息反应型投资者 4.3 仿真模型DHM—ASM 4.3.1 模块结构 4.3.2 主要运行参数 4.3.3 仿真流程 4.3.4 核心设计 4.4 实验设计与结果分析 4.4.1 实验设计 4.4.2 惯性与长期反转现象的检验 4.4.3 过度波动现象的检验 4.5 结论第5章 线图技术分析者与基本面分析者的博弈 5.1 基本概念 5.1.1 信念、预期与策略 5.1.2 基本面分析投资者与线图技术分析投资者 5.2 BSV模型的困境 5.2.1 BSV模型——投资者认知偏差对市场的影响 5.2.2 计算实验方法对BSV模型的扩展 5.3 概念模型 5.3.1 资产 5.3.2 投资者 5.3.3 市场出清机制 5.4 实验设计 5.5 实验结果分析 5.5.1 市场价格的统计特征分析 5.5.2 投资者收益的统计特征 5.6 结论第6章 基于投资策略与收益水平的分析：非理性投资者能生存吗？ 6.1 非理性投资者的生存问题 6.1.1 投资者生存问题的理论渊源 6.1.2 来自业界的事实与经验 6.1.3 计算实验金融视角下的投资者生存问题 6.2 模型 6.2.1 资产 6.2.2 投资者偏好与信念 6.2.3 投资者类型 6.2.4 交易机制和出清机制 6.3 人工股票市场的设计开发 6.3.1 人工股票市场的设计开发 6.3.2 人工股票市场参数的设定 6.4 实验结果分析 6.4.1 人工股票市场的实验设计与数据结构 6.4.2 投资者财富的统计特征 6.4.3 各组投资者终财富水平比较与投资绩效评估 6.4.4 更多交易的实验 6.4.5 关于实验结果的讨论 6.5 结论第7章 适应性市场假说——一个计算实验的例证 7.1 从有效市场假说与行为金融学的争论谈起 7.1.1 经典的有效市场假说 7.1.2 来自行为金融学的“挑战” 7.1.3 有效市场假说的回应 7.2 适应性市场假说与计算实验金融方法的提出 7.2.1 经济学对有限理性问题的早期探索 7.2.2 适应性市场假说的理论渊源 7.2.3 适应性市场假说的提出 7.2.4 基于计算实验方法的适应性市场假说研究 7.3 概念模型 7.3.1 资产种类与收益 7.3.2 交易者类型及效用函数 7.3.3 交易者信息结构 7.3.4 市场出清条件及交易者优需求 7.4 计算实验设计 7.4.1 计算实验的相关设定 7.4.2 实验设计与要回答的问题 7.5 实验过程与结果 7.5.1 仅有理易者的情况 7.5.2 仅增加噪音交易者的情况 7.5.3 仅增加正反馈交易者的情况 7.5.4 同时增加正反馈交易者和噪音交易者的情况 7.6 结论第8章 收益序列的可预测性：基于简单技术规则的探索 8.1 技术交易和投资者行为 8.1.1 时间序列收益可预测性的研究 8.1.2 基于技术规则的研究 8.1.3 投资者类型——技术交易者和基本面交易者 8.2 研究设计 8.2.1 总体思路 8.2.2 样本选取和统计指标 8.3 TA-ASM模型 8.3.1 总体结构 8.3.2 市场模块 8.3.3 投资者模块 8.3.4 参数与仿真流程 8.4 结果分析 8.4.1 技术规则预测能力分析 8.4.2 相关影响因素分析 8.5 结论第9章 银行与企业贷款互动的仿真分析 9.1 中小企业的信贷困境 9.1.1 信贷配给政策的“受困者” 9.1.2 外研究现状 9.1.3 计算实验金融学的研究视角 9.2 信贷市场的研究设计 9.3 人工信贷市场模型 9.3.1 总体结构 9.3.2 银行模块和企业模块 9.3.3 参数与仿真流程 9.4 结果分析 9.4.1 商业银行——中小企业完全信息有限次重复博弈 9.4.2 团体贷款模式下中小企业合作博弈 9.4.3 中小企业贷款利率定价的计算实验 9.4.4 基于实验结果的政策建议 9.5 结论参考文献附录 计算实验金融常用资源网址后记

作者介绍

文摘

序言

深度解析金融前沿：理论与实践的交汇点 引言 金融世界瞬息万变，复杂的模型、海量的数据以及前沿的计算技术正深刻地重塑着我们理解和应对金融挑战的方式。本书并非一本探讨特定计算实验金融研究的书籍，而是旨在为读者构建一个宏观的、深入的金融研究视野，揭示在现代金融领域，理论构建与实际应用如何相互启发、彼此促进，共同推动着学科的发展。我们将从金融研究的基石出发，逐步深入到其演进的动力，并探讨未来可能的发展方向，尤其是在计算科学日益渗透的背景下，金融研究呈现出的全新图景。 第一部分：金融研究的基石——理论框架的构建与演进 任何深入的研究都离不开坚实的理论基础。在金融领域，这套理论框架经历了漫长而富有活力的演进过程。 从古典到现代：早期金融理论的奠基 效用理论与风险规避： 最早的金融理论可追溯至经济学中关于个体决策和效用最大化的思想。在金融领域，这一思想被转化为对投资者如何评估和选择资产以最大化其期望效用的研究。核心概念包括边际效用递减，以及投资者普遍存在的风险规避倾向。这些理论为理解资产定价、投资组合选择等奠定了基础。 资本资产定价模型 (CAPM)： 这一经典模型是现代投资组合理论的里程碑。它提出了一个简洁而强大的框架，用于解释资产的预期收益与其系统性风险（Beta值）之间的关系。CAPM假设存在一个有效市场，投资者是理性的、风险规避的，并且能够自由借贷。尽管其假设条件在现实中可能难以完全满足，但CAPM及其衍生模型至今仍是学术界和实务界讨论资产风险和收益的重要起点。 有效市场假说 (EMH)： EMH认为，在有效市场中，所有已知信息都会即时反映在资产价格中，因此无法通过对历史价格或公开信息的分析来持续获得超额收益。EMH有三种形式：弱式、半强式和强式，它们对信息传递的速度和范围提出了不同的要求。虽然关于市场是否完全有效的争论从未停止，EMH的提出却极大地推动了对市场机制、信息传播和套利机会的研究。 期权定价理论： Black-Scholes-Merton模型是期权定价领域的革命性突破。它利用偏微分方程，结合了无套利原理和风险中性定价的思想，给出了欧式期权价格的精确解析解。这一模型不仅深刻影响了金融衍生品市场的发展，也为金融工程和风险管理提供了强大的工具。 范式转移：行为金融学的兴起 质疑理性人假设： 随着实证研究的深入，越来越多的证据表明，投资者并非总是完全理性的。行为金融学应运而生，它借鉴了心理学和认知科学的发现，解释了在决策过程中存在的认知偏差和情绪影响。例如，过度自信、锚定效应、损失厌恶、羊群效应等，这些非理性因素常常导致市场出现异常现象，如资产价格的泡沫和崩溃。 异象的解释： 行为金融学为许多传统模型难以解释的市场异象提供了更为贴切的解释。例如，小盘股效应、价值股效应、动量效应等，都可以通过投资者心理偏差来部分阐释。 理论与实证的融合： 行为金融学的发展迫使理论模型在保持严谨性的同时，更加贴近现实。它鼓励研究者将心理学洞察融入到模型构建中，探索更加精细化的市场微观结构和投资者行为模式。 风险管理的深化：从计量经济学到系统性风险 计量经济学模型的应用： 在金融研究中，计量经济学方法扮演着至关重要的角色，用于估计参数、检验假设、预测变量等。GARCH族模型等波动率建模技术，有效地捕捉了金融时间序列的波动率聚集性特征，为风险管理和衍生品定价提供了重要支持。 系统性风险的研究： 2008年全球金融危机之后，对系统性风险的关注达到了前所未有的高度。研究者开始探索不同金融机构、市场和资产之间的相互关联性，以及这些关联性如何在压力时期放大风险，导致整个金融体系的崩溃。CoVaR（Conditional Value-at-Risk）、边际期望损失（MES）等指标的出现，为度量和管理系统性风险提供了新的视角。 宏观审慎监管： 对系统性风险的深入理解，直接推动了宏观审慎监管政策的发展。与微观审慎监管关注单个机构的稳健性不同，宏观审慎监管旨在识别和防范可能威胁整个金融体系稳定的系统性风险。 第二部分：计算科学在金融研究中的驱动力 如果说理论框架是金融研究的骨架，那么计算科学的进步则为金融研究注入了强大的生命力，使其能够应对日益复杂的现实挑战。 大数据时代与量化分析的崛起 海量数据的获取与处理： 现代金融活动产生了海量的数据，包括交易数据、新闻文本、社交媒体信息、宏观经济指标等。这些数据的规模、多样性和速度都远远超出了传统分析方法的处理能力。 机器学习与人工智能的应用： 机器学习（ML）和人工智能（AI）技术，如监督学习、无监督学习、深度学习、自然语言处理（NLP）等，为从海量数据中提取有价值的信息提供了强大的工具。它们可以用于： 预测建模： 构建更精准的资产价格预测模型、信用评分模型、市场趋势预测模型。 模式识别： 识别市场中的异常模式、欺诈行为、交易信号。 文本分析： 通过分析新闻、报告、社交媒体等文本信息，捕捉市场情绪、评估公司声誉、预测政策影响。 算法交易： 设计复杂的交易策略，实现高频交易、套利交易等。 高频数据分析： 随着交易频率的提升，对高频数据的分析变得尤为重要。这需要专门的算法和计算架构来处理纳秒级甚至更短时间尺度的数据，以捕捉瞬息万变的交易机会和市场动态。 仿真与模拟：探索复杂系统的行为 蒙特卡洛模拟： 蒙特卡洛方法通过大量的随机抽样来估计复杂系统的统计特性，在金融领域应用广泛，例如： 衍生品定价： 对于无法通过解析方法定价的复杂衍生品，蒙特卡洛模拟提供了一种有效的定价手段。 风险度量： 计算VaR（Value-at-Risk）、CVaR等风险度量指标，评估投资组合在不同市场情景下的损失概率。 压力测试： 模拟极端市场条件下金融体系的反应，以评估其韧性。 Agent-Based Modeling (ABM)： 这种方法通过模拟大量个体（Agent）的行为及其相互作用来理解宏观经济或金融系统的整体动态。ABM能够捕捉到复杂系统中涌现出的非线性行为和宏观规律，这对于理解市场泡沫、挤兑等现象尤其有价值。 网络分析： 金融体系的本质是一个复杂的网络，金融机构、市场和资产之间存在着各种联系。网络分析方法可以用来研究金融传染、系统性风险的传播路径，以及识别系统中的关键节点。 高性能计算与并行处理 加速复杂计算： 许多金融模型的计算量巨大，例如复杂的期权定价、大规模的优化问题、海量的风险模拟等。高性能计算（HPC）集群和并行处理技术能够极大地缩短计算时间，使得过去无法实现的研究成为可能。 实时分析： 在高频交易和实时风险监控等领域，对计算速度的要求极高。HPC技术是实现实时数据处理和分析的关键。 第三部分：前沿研究方向与未来展望 金融研究是一个不断发展的领域，计算科学的进步不断催生新的研究方向和挑战。 量化模型的可解释性与鲁棒性 “黑箱”模型的挑战： 随着深度学习等复杂模型在金融领域的广泛应用，其“黑箱”特性带来了可解释性问题。理解模型为何做出特定预测或决策，对于监管、风险管理和建立投资者信任至关重要。 提升模型鲁棒性： 金融市场环境多变，模型需要具备对市场变化和异常情况的鲁棒性。研究如何提高模型的泛化能力，避免过度拟合，是当前的重要课题。 金融科技（FinTech）与数字经济 区块链与分布式账本技术： 区块链技术在支付、清算、证券发行、智能合约等领域展现出巨大潜力，对金融基础设施的效率和安全性提出了新的要求。 加密货币与数字资产： 对加密货币的市场特征、价值驱动因素、监管挑战等的研究，成为金融学新的研究领域。 普惠金融与数字包容： 金融科技的发展也为提升金融服务的可及性、降低交易成本、促进普惠金融提供了机遇。 环境、社会和公司治理 (ESG) 与可持续金融 ESG因素对投资决策的影响： 越来越多的投资者和监管机构关注ESG因素在公司价值和投资回报中的作用。研究如何量化ESG风险和机会，以及如何将ESG因素纳入投资组合构建和风险管理，是当前研究热点。 气候金融： 气候变化带来的风险（如物理风险和转型风险）对金融体系产生了深远影响。气候金融研究旨在理解和管理这些风险，并探索绿色金融、气候债券等创新工具。 网络化金融与互联互通 金融传染与系统性风险的动态演化： 随着金融机构和市场的日益互联，研究网络结构对金融稳定性的影响，以及系统性风险的动态传播机制，仍然是重要的课题。 社交网络与市场情绪： 社交媒体和在线社区已成为信息传播和市场情绪形成的重要渠道。研究如何利用这些非传统数据来理解和预测市场行为，具有重要的理论和实践意义。 结论 金融研究是一个跨越经济学、数学、统计学、计算机科学以及行为科学的交叉领域。理论的严谨性是指导思想，而计算科学的工具和方法则为理论的检验、模型的构建以及复杂现实问题的解决提供了可能。本书意在勾勒出这个宏大图景，强调理论与计算的有机结合，以及金融研究在应对时代挑战中的不断创新与演进。从经典的资产定价模型到复杂的机器学习算法，从对个体行为的洞察到对系统性风险的深度剖析，金融研究始终在理论与实践的交汇点上蓬勃发展，为我们理解和塑造未来的金融世界提供着不竭的动力。

评分☆☆☆☆☆

这本书的内容为我打开了一个全新的视角，让我得以窥见金融领域中计算方法的强大力量。作者在书中对于一些前沿的计算技术在金融研究中的应用进行了深入的探讨，例如，在处理大数据和高频交易方面，书中介绍的某些算法和模型我之前并未接触过，但通过作者的阐释，我对其原理和适用性有了初步的认识。我很欣赏书中对于不同模型之间关系的分析，它不仅仅是孤立地介绍各种模型，而是将它们置于一个更广阔的框架下进行比较和对比，从而帮助读者更好地理解它们之间的联系和区别。我特别注意到书中对于“仿真”在金融研究中的作用的强调，作者详细介绍了如何通过计算机模拟来测试不同的金融策略和模型，这对于我这种更偏向实证研究的读者来说，提供了很多有益的思路。书中对一些重要概念的阐述，往往是从最基础的原理开始，逐步深入，让读者在理解的道路上感到顺畅。

评分☆☆☆☆☆

我是一名对金融市场动态变化及其背后的数学原理感到好奇的读者，而这本书恰好满足了我这种求知欲。它并非一本简单的教科书，而是更像一位经验丰富的研究者在与你进行一场深入的学术交流。书中对某些复杂金融衍生品的定价模型进行了细致的推导和分析，我之前对此一直感到模糊不清，但通过书中条理清晰的讲解，我逐渐理解了其中的逻辑脉络。作者在解释过程中，非常注重逻辑的严密性和概念的准确性，每一处推导都力求严谨，让读者可以跟随其思路一步步地深入。更难能可贵的是，书中还引用了大量的学术文献，为读者提供了进一步深入研究的线索，这对于想要在这个领域深造或者进行相关研究的读者来说，无疑是一份宝贵的资源。我尤其对书中关于“模型风险”的讨论印象深刻，作者不仅仅是介绍如何建立模型，更强调了模型固有的局限性和潜在的风险，并提供了一些规避这些风险的策略，这让我对金融计算的理解上升到了一个新的高度。

评分☆☆☆☆☆

这本书的封面设计简洁而充满学术气息，封面的颜色搭配和字体选择都显得非常专业。拿到手里，纸张的质感很不错，印刷也十分清晰，翻阅起来很有质感。我特别喜欢它对于一些复杂概念的解释方式，虽然我不是这个领域的专家，但通过书中细致的阐述和恰当的比喻，让我对一些核心思想有了初步的了解。比如，它在介绍某个理论时，并没有直接抛出枯燥的公式，而是先从一个生动的案例入手，将抽象的概念具象化，然后再逐步引入数学模型，这种循序渐进的方式极大地降低了阅读门槛。而且，书中对于一些历史背景的梳理也做得相当到位，让我能更好地理解某个研究方法或理论的出现是基于怎样的时代需求和学术演进。我尤其欣赏的是，作者在行文中始终保持着一种严谨又不失生动的风格，即使是在探讨一些深奥的理论时，也尽量使用读者容易理解的语言，偶尔穿插一些个人见解或者引发思考的问题，使得整本书读起来不会感到枯燥乏味，反而充满了探索的乐趣。我对于其中关于模型构建的讨论印象深刻，作者详细地介绍了如何从实际问题出发，提炼关键因素，并将其转化为可计算的数学模型，其中涉及到的数据处理和验证方法也给了我很多启发。

评分☆☆☆☆☆

在我看来，这本书提供了一个关于如何运用计算思维来解决金融问题的高级指南。书中不仅涵盖了广泛的金融计算主题，而且对于每一个主题都进行了深入的剖析，这使得读者在掌握理论知识的同时，也能对其背后的技术细节有所了解。我特别喜欢作者在描述某些高级计算技术时，会穿插一些关于其在实际金融交易中应用的案例，比如，如何利用机器学习模型来预测市场趋势，或者如何运用优化算法来构建最优的投资组合。这些具体的应用场景，让抽象的理论变得更加生动和具体。书中对模型评估和优化的讨论也相当详尽，作者提出了多种评估模型性能的标准，并给出了一些改进模型性能的方法，这对于希望提高模型准确性和效率的读者来说，具有重要的参考价值。我印象深刻的是，书中在介绍一个复杂的模型时，会先从一个简单的变种开始，逐步引入更复杂的元素，这种由简入繁的讲解方式，让我在理解上更加得心应手。

评分☆☆☆☆☆

这本著作给我的整体感受是，它在理论深度和实践应用之间找到了一个很好的平衡点。我尤其关注书中的案例研究部分，作者通过引入多个真实世界的金融场景，将理论知识与实际操作紧密结合。例如，在讨论风险管理时，书中分析了一个具体的金融危机事件，并详细解释了当时采用的计算模型是如何失效以及如何进行改进的。这种“用事实说话”的方式，让我对书中提出的各种计算工具和方法有了更直观的认识，也让我看到了理论在解决实际问题中的巨大潜力。书中还探讨了不同计算方法的优缺点，以及在不同市场环境下选择哪种方法更为合适，这对于我这种希望将所学知识应用于实际工作的人来说，是非常有价值的指导。我个人认为，作者对于数据的敏感性和对细节的关注是这本书的一大亮点。他在分析过程中，会详细列举所使用的数据来源、处理方式以及潜在的偏差，这使得整个研究过程更加透明和可信。我特别喜欢它在讲解某个算法时，会穿插一些关于算法效率和鲁棒性的讨论，让我能够更深入地理解其背后的逻辑和应用场景。