新書推薦：
《
投资真相
》
售價：NT$
381.0
《
非洲大陆简史（萤火虫书系）
》
售價：NT$
437.0
《
知宋·宋代之军事
》
售價：NT$
442.0
《
我能帮上什么忙？——一位资深精神科医生的现场医疗记录（万镜·现象）
》
售價：NT$
381.0
《
智慧宫丛书026·增长：从细菌到帝国
》
售價：NT$
840.0
《
从自察到自救：别让情绪偷走你的人生
》
售價：NT$
420.0
《
晚明的崩溃：人心亡了，一切就都亡了！
》
售價：NT$
335.0
《
俄国女皇：叶卡捷琳娜二世传（精装插图版）
》
售價：NT$
381.0
|
| 內容簡介： |
|
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。
|
| 目錄：
|
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
|
| 內容試閱：
|
1994年，英国和法国之间的海峡隧道开通，欧洲之星高速列车得以将欧洲大陆的乘客大规模地送往英国，然后再返回。这在当时是多么令人惊叹的壮举（超出了当时许多人的想象），但在今天，我们却认为这是一件理所当然的事情。1994年，阿波罗登月舱的总承包商格鲁曼航空公司被诺斯罗普公司收购，成立了新的航空巨头诺斯罗普格鲁曼公司。它同时也是新部署的先进技术B-2隐形轰炸机的主要承包商。同样是1994年，在芝加哥城外的一个联排别墅里，我进行着一项单调的日常练习：每天晚上在Investor’s Business Daily报纸上查找两个即将被收购的股票的每日收盘价。这不仅是为了了解它们的运行收益率，而且是为了在持仓之前了解它们相对于其他股票的历史波动性。进行这个手工计算既慢又乏味。第二年，万维网以Mosaic浏览器的形式出现。不久之后，雅虎发布股票报价、历史价格图表和图表技术指标，通过新的网络浏览器只需几秒钟就可以免费获得这些内容。
电子表格软件的出现使分析师们的分析性思维提升到了新的层级。活生生的手工计算不再仅限于一个维度。每一行或每一列都可以显示一个时间维度、一个生产类别或一个业务场景。自动化的依赖功能使修改变得非常容易。现在，基于大型计算机分析程序的电子表格可以用来制作更复杂、更持久的分析产品的原型。
有了R语言和Python这样的现代编程语言，如今一个熟练的分析师可以用雅虎或其他免费历史报价服务等资源，设计其分析逻辑，这大大减少了他们的工作量。有人说Python的语法非常简洁，以至于实现与Java程序相同的功能，代码行数仅为Java的四分之一。我们怀疑R语言与之类似。一个小型的金融实验室可以建立在一台笔记本电脑上，几周内花费不到200美元，能根据需要模拟多个市场变量。或者，通过具有更多驱动空间的高端笔记本电脑，能以前所未有的规模装载整个市场10～20年的历史数据。
实验室一旦建成，人们就可以开始进行深刻理解。“知识发现”曾经是人类成长过程中的一个术语。现在我们讨论的是计算机自动化。“知识发现”似乎是一个大胆的术语，对于计算机程序所能创造的任何东西来说，都有点过于雄心勃勃。例如，计算机科学领域中，计算机协会（ACM）有一个名为知识发现和数据挖掘（KDD）的特殊兴趣小组。但几乎没有人会挑战其中的“数据挖掘”部分。毕竟，对于统计学家和计算机科学家来说，掌握数据就是他们的工作。但是用机器发现知识，自动分析数据，这会是真的吗？在现在看来，这似乎有点夸张了。然而，我们再体验一遍本书描述的算法，很快就意识到，使用数据科学技术的这些程序，不仅可以自动进行非常烦琐的计算，而且可以对人类思维水平产生积极、深刻的影响。
也许人们可以用体育运动来类比这种体验。在许多运动中，我们都用防守来保护我们现在的位置，防止对手再得分。进攻是一种按顺序运用运动专长，从而能多得分的能力。KDD的数据挖掘部分可以被认为是防守，即运动中纪律性更强、组织更严密的一方。只要成功一次就是有效的，如伸出手来阻挡传球，投一个曲线球来防止击球手在球场上连续传球。另一方面，“知识发现”是一种进攻性的技能，它超越了所需和预期的数据分析，类比于体育运
动，是创造性的一方。在进攻方面，只有一系列的比赛都成功才能取得进步，如足球比赛需要全配合进球得分，或者棒球在三次出局得分之前连续三次击垒。进攻成功的可能性较小。
因此，在KDD模型和体育运动的类比中，数据挖掘是防御，知识发现是进攻。实现知识发现虽然罕见，却会产生惊人的影响。知识发现可以像人类的想法一样强大，并能进一步增强它们。例如，我们可能会发现有一种公开交易的股票具有独特的理想属性。KDD领域触及了这些机器在计算机科学的所有进步中所能做到的极限。
1968年，在好莱坞电影和小说《太空漫游》中，作者Arthur C. Clarke预测了自动推理、自然语言语音识别、视频通话和面部识别等技术。HAL9000计算机控制着飞往木星的飞船，同时与宇航员Frank Poole博士进行对话和下棋，并监控着300多名宇航员的生活状况。从那时起，计算机科学，特别是模拟科学，在许多领域对研究和发现过程产生了巨大的影响，并有效地实现了许多科幻小说的目标。除此之外，还有计算生物学、计算宇宙学和计算语言学等领域也取得了长足的发展，如图1所示。
本书关注的是计算机模拟技术。计算机模拟技术已经取得了巨大的成功，现在已被广泛接受，它是除了理论和物理实验之外的第三种科学方法。运用书中知识可以帮助我们建立一个金融模拟实验室。本书是芝加哥大学格雷厄姆学院分析学硕士项目的研究生财务分析课程和艾奥瓦大学蒂皮商学院财务系的本科生投资课程的研究材料。也可作为具有良好数学背景和计算机科学背景的高等院校本科生的教材。
想要更好地理解本书，读者最好学习过统计分析、概率和统计等课程，或者了解本书所涉及的数学统计知识，大部分所需资料都已在正文和附录中介绍。读者最好具备本科水平的微积分、线性代数和计算机科学背景，熟悉一种或多种程序设计语言，如C、C++、Java、C#、Python或Matlab。但读者无须具备财务背景。当然，任何关于R语言的经验都是有用的。
比起用电子表格，用R语言构建的计算机模拟金融可能更复杂、更具挑战性。当定量优化器的逻辑从周围的程序代码中即时显示时，可以更好地控制和定制定量优化器。我们的读者需要更多的计算机科学知识来构建更鲁棒和复杂的平台，以及深入理解编译器和运行时系统。但当完成这些后，金融分析的构建者、运营商或学生会逐渐认识到用设计语言进行统计模拟的优势。构建模拟器和从观察模拟中获得的见解将有助于加深对未来专业领域的理解。那些观点，现在看来是关于机器的，但是对于人们来说却总是关于学习的。
图1 来自计算生物学、计算宇宙学和计算语言学的样本图像
数据科学涉及统计和计算模型的研究。在这本书中，意味着我们正在释放金融市场中存在的经济价值。数据工程是在计算机上把文件、程序逻辑、测试和持续改进等实现应用于大型数据集的模型的过程。每章末尾的习题将引导我们利用之前章节中的数据科学原理来构建和设计我们的金融实验室。
做这些练习时，可能需要不时地安装各种R语言包。通过互联网，读者可找到加载R语言包、排除故障的正确说明。涉及的语言包、条件和用例太多，在此无法一一说明。
为便于我们了解逻辑和数据，习题有不同的侧重。新的内容都建立在对前期知识的理解之上，以适应我们进行财务分析所需的复杂程度。
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
