編輯推薦
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,高效獲取分析結果。
本書是量化金融領域的R語言學習指南,通過閱讀本書,讀者可以瞭解核心的R語言建模技巧,掌握量化金融的關鍵技術。
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係統的一個自由、免費、源代碼開放的軟件。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章的內容嚮讀者詳細介紹瞭使用R語言實現量化金融的方方麵麵。本書包括實證金融(第1~4章)、金融工程(第5~7章)、交易策略優化(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,讀者可以瞭解R語言與量化金融相關的各類知識和編程技巧。
作者簡介
Edina Berlinger擁有布達佩斯考文紐斯大學的博士學位。她是一位助理教授,講授公司財務、金融學和金融風險管理。她還是大學金融係的領導,也是匈牙利科學院金融分會的主席。她的專業領域涉及信貸係統、風險管理以及網絡分析。她已經領導過幾個研究項目:學生貸款設計、流動性管理、異質代理模型和係統風險。
“本工作由匈牙利科學院的動量項目(LP-004/2010)支持。”
Ferenc Illés擁有羅蘭大學的數學碩士學位。畢業之後的一些年中,他開始研究精算和金融數學,而且他即將開始在布達佩斯考文紐斯大學的博士學習。zui近幾年,他在銀行業工作。目前他正在開發使用R的統計模型。他的興趣與大型網絡以及計算復雜性有關。
Milán Badics擁有布達佩斯考文紐斯大學的碩士學位。現在,他是一名博士生,並且是PADS博士奬學金項目的成員。他講授金融計量學,而且他的研究主題是使用數據挖掘方法的時間序列預測、金融信號處理以及利率模型的數值敏感分析。2014年5月,他在由匈牙利證券交易所組織的X. Kochmeister奬項的競賽中獲勝。
ádám Banai從布達佩斯考文紐斯大學得到投資分析和風險管理的碩士學位。他加入瞭匈牙利國傢銀行(Magyar Nemzeti Bank,MNB,匈牙利的中央銀行)的金融穩定性部門。從2013年起,他成為金融係統分析理事會(MNB)應用研究和壓力測試部門的領導。自2011年起,他也是布達佩斯考文紐斯大學的博士生。他的主要研究領域是償付能力壓力測試、資金流動性風險和係統風險。
Gergely Daróczi是一位狂熱的R包開發者,並且是一傢位於Rapporter的R網絡應用公司的創始人和CTO。他同時也在攻讀社會學博士學位,並且目前作為R開發者領導在洛杉磯的CARD.com工作。如果算上講授統計學和從事數據分析項目的幾年時間,他大約已經有10年的R編程環境的工作經驗。Gergely是《量化金融R語言初級教程》(Introduction to R for Quantitative Finance)的閤著者,目前除瞭一些關於社會科學的雜誌文章和報告,他同時還忙於另一本Packt齣版社的圖書《精通R語言數據分析》(Mastering Data Analysis with R)。他對那本書的貢獻是審閱並負責R源代碼的格式。
Barbara D?m?t?r是布達佩斯考文紐斯大學金融係的一名助理教授。在2008年開始博士學習之前,她曾為多傢跨國銀行工作。她的博士論文與公司的套期保值有關。她撰寫瞭關於公司財務、金融風險管理和投資分析的講義。她的主要研究領域是公司財務、金融風險管理和公司的套期保值。
Gergely Gabler自2014年起是匈牙利國傢銀行(MNB)金融監管單位的商業模型分析部門領導。在這之前,自2008年起,他曾經是匈牙利Erste銀行宏觀經濟研究部門的領導人。他在2009年畢業於布達佩斯考文紐斯大學,並獲得金融數學的碩士學位。自2010年起,他在布達佩斯考文紐斯大學任客座講師,同時也在MCC學院做高等研究的講座。他預計會在2015年結束CFA考試,並成為一名持證人。
Dániel Havran是一名匈牙利科學院經濟和區域研究中心經濟研究所的博士後研究人員。他同時作為布達佩斯考文紐斯大學兼職助理教授,在那裏他講授公司財務(本科、博士)以及信用風險管理(碩士)。在2011年,他獲得瞭布達佩斯考文紐斯大學的經濟學博士學位。
“我非常感謝匈牙利科學院博士後奬學金計劃的支持。”
Péter Juhász擁有布達佩斯考文紐斯大學的工商管理博士學位,同時也持有CFA證書。作為一名助理教授,他講授公司財務、商業估值、Excel的VBA編程以及溝通技巧。他的研究領域涉及無形資産的估值、商業錶現分析和建模以及政府采購和體育管理。他曾寫過一些文章和書的某些章節,主要關於匈牙利公司的財務錶現。同時,他也定期為中小企業服務,而且在安永商業學院的EMEA(歐洲、中東和非洲)區域任高級培訓師。
István Margitai是CEE(中東歐)區域一傢主要銀行集團的資産負債管理團隊的分析師。他主要處理方法論問題、産品建模以及內部轉移定價等主題。在2009年,他開啓瞭在匈牙利的資産負債管理的職業生涯,並收獲瞭戰略流動性管理和流動性計劃的經驗。他在布達佩斯考文紐斯大學主修投資和風險管理。他的研究興趣是銀行業的微觀經濟學、市場微觀結構以及訂單驅動市場的流動性。
Balázs Márkus從事金融衍生品工作已經超過10年。他曾經交易過多種類型的衍生品,從碳互換到國債期貨的期權。他是布達佩斯Raiffesien銀行外匯衍生品部門的領導。他是Pallas Athéné Domus環境科學基金會顧問委員會的一員、匈牙利國傢銀行的兼職分析師以及一傢小型的證券自營和顧問公司Nitokris有限公司的常務董事。目前,他正在布達佩斯考爾紐斯大學攻讀動態對衝作用的博士學位,同時他還是那裏的一名教學助理。
Péter Medvegyev擁有布達佩斯Marx Károly大學的經濟學碩士學位。在1977年畢業之後,他開始瞭匈牙利管理發展中心的顧問工作。他在1985年獲得瞭經濟學博士學位。自1993年開始,他為布達佩斯考文紐斯大學數學係工作。他在考文紐斯大學的教學經曆涵蓋隨機過程、數理金融以及其他多門數學專業課。
Julia Molnár是布達佩斯考文紐斯大學的一名博士學位候選人。她的主要研究興趣包括金融網絡、係統風險以及零售銀行業的金融技術創新。自2011年起,她為McKinsey & Company工作,在那裏她參與瞭銀行業領域的多項數字和創新研究。
Balázs árpád Sz?cs是布達佩斯考文紐斯大學的金融學博士生,並同時在該大學的金融係任研究助理。他擁有投資分析和風險管理的碩士學位。他的研究興趣包括zuiyou執行、市場微觀結構和日內交易量預測。
ágnes Tuza擁有布達佩斯考文紐斯大學的應用經濟學學位,而且是巴黎高等商學院(HEC Paris)的轉學生。她的工作經驗包括為摩根斯坦利從事結構化産品估值,同時承擔波士頓谘詢集團的管理顧問一職。她是一名活躍的外匯交易者,並且為Gazdaság電視颱拍攝瞭一個月的投資思想的直播,在節目裏她經常用到技術分析,這一主題自她15歲起就開始感興趣。她曾經是維爾紐斯大學多門金融相關科目的助教。
Tamás Vadász擁有布達佩斯考文紐斯大學的經濟學碩士學位。畢業之後,他從事金融服務業的顧問工作。目前,他正在進行金融學博士學位的學習,他的主要研究興趣包括金融經濟學和銀行業的風險管理。他在考文紐斯大學教的課程包括金融計量學、投資學和公司財務。
Kata Váradi自2013年起是布達佩斯考文紐斯大學金融係的助理教授。作為金融學學生,Kata畢業於2009年,並在2012年其畢業論文關於匈牙利股票市場的市場流動性風險分析通過答辯,獲得瞭布達佩斯考文紐斯大學的博士學位。她的研究領域是市場流動性、固定收益證券以及醫療保健係統的網絡。除瞭做研究,她也積極從事教學。她主要講授公司財務、投資學、估值以及跨國金融管理。
ágnes Vidovics-Dancs是一位博士學位候選人,並且是布達佩斯考文紐斯大學的助理教授。此前她的工作是匈牙利政府債務管理局的初級風險管理師。她的主要研究領域是政府債務管理(一般)以及主權危機和違約(特彆的)。她持有CEFA和CIIA證書。
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 嚮量自迴歸模型 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 大數據綫性迴歸分析 68
4.4.1 載入大數據 69
4.4.2 在大型數據上擬閤綫性迴歸模型 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中應用 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 動態對衝的作用 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——返迴香草世界的鏈接 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 嵌入結構産品的奇異期權 133
7.10 小結 137
7.11 參考文獻 138
第8章 最優對衝 139
8.1 衍生品的對衝 139
8.1.1 衍生品的市場風險 140
8.1.2 靜態delta對衝 140
8.1.3 動態delta對衝 141
8.1.4 比較delta對衝的錶現 145
8.2 交易成本存在下的對衝 149
8.2.1 對衝最優化 151
8.2.2 絕對交易成本情形下的最優對衝 152
8.2.3 相對對衝成本情形下的最優對衝 154
8.3 進一步擴展 155
8.4 小結 156
8.5 參考文獻 156
第9章 基本麵分析 157
9.1 基本麵分析基礎 157
9.2 收集數據 158
9.3 揭示聯係 162
9.4 引入多重變量 163
9.5 區分投資目標 164
9.6 設置分類規則 169
9.7 迴測 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、神經網絡和對數優化組閤 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綫模式: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 神經網絡 193
10.3.1 預測比特幣價格 195
10.3.2 策略評價 198
10.4 對數優化組閤 199
10.4.1 普遍一緻、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 資産和負債管理 205
11.1 數據準備 206
11.1.1 數據源的初印象 207
11.1.2 現金流生成器函數 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復製 222
11.5 小結 225
11.6 參考文獻 226
第12章 資本充足率 227
12.1 巴塞爾協議的原則 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 曆史VaR 236
12.2.3 濛特卡洛模擬 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 係統風險 251
13.1 果殼中的係統風險 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
量化金融R語言高級教程 下載 mobi epub pdf txt 電子書