新書推薦：
《
掌控生活，从掌控时间开始
》
售價：NT$
250.0
《
物理光学漫步——衍射计算理论及应用研究故事
》
售價：NT$
874.0
《
人类起源简史：破译700万年人类进化的密码
》
售價：NT$
354.0
《
古典与现代 ： 民国大学的潮与岸
》
售價：NT$
406.0
《
浮华梦醒：民国实业家的创业之路
》
售價：NT$
291.0
《
财之道丛书·后资本主义生活：财富的意义、经济的未来与货币的时间理论
》
售價：NT$
354.0
《
人文与社会译丛：自由意志、能动性与生命的意义
》
售價：NT$
359.0
《
儿童折纸大全（儿童创意美术手工系列）
》
售價：NT$
155.0
|
| 內容簡介： |
《基于R语言的金融分析》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。
《Python金融数据分析（原书第2版）》本书介绍如何利用新的程序语言进行金融建模并实现复杂的数据运算。书中讲授的程序工具与数据均可以通过公开渠道获取，通过建模与研究分析，你会对整个Python生态体系有全局性的认识。大量的实例分析也会加深你对金融风险管控的认知。
|
| 目錄：
|
《基于R语言的金融分析》
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 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
《Python金融数据分析（原书第2版）》
前言
审校者简介
部分 开始学习Python
第1章 Python金融分析概述2
1.1 安装Python3
1.1.1 准备一个虚拟环境3
1.1.2 运行Jupyter Notebook4
1.1.3 关于Python的其他建议5
1.2 Quandl简介6
1.3 绘制时间序列图7
1.3.1 从Quandl检索数据集7
1.3.2 绘制收盘价与成交量的关系图9
1.3.3 绘制烛台图12
1.4 对时间序列数据进行金融分析13
1.4.1 绘制收益率图13
1.4.2 绘制累积收益率图14
1.4.3 绘制直方图15
1.4.4 绘制波动率图16
1.4.5 Q-Q图17
1.4.6 下载多个时间序列数据18
1.4.7 显示相关矩阵19
1.4.8 绘制相关性图19
1.4.9 简单的移动平均线20
1.4.10 指数移动平均22
1.5 总结23
第二部分 金 融 概 念
第2章 金融中的线性问题26
2.1 资本资产定价模型与证券市场线27
2.2 套利定价理论模型30
2.3 因子模型的多元线性回归30
2.4 线性化32
2.4.1 安装Pulp32
2.4.2 一个用线性规划求值的实例32
2.4.3 线性规划的结果34
2.4.4 整数规划34
2.5 使用矩阵解线性方程组37
2.6 LU分解38
2.7 Cholesky分解40
2.8 QR分解41
2.9 使用其他矩阵代数方法求解42
2.9.1 Jacobi迭代法42
2.9.2 Gauss-Seidel迭代法44
2.10 总结45
第3章 金融中的非线性问题46
3.1 非线性建模46
3.2 非线性模型求根算法49
3.2.1 增量法50
3.2.2 二分法52
3.2.3 牛顿迭代法54
3.2.4 割线法56
3.2.5 求根法的结合使用57
3.3 利用SciPy求根58
3.3.1 求根标量函数58
3.3.2 通用非线性求解器59
3.4 总结60
第4章 期权定价的数值方法61
4.1 什么是期权61
4.2 二叉树期权定价模型62
4.3 欧式期权定价62
4.4 编写StockOption基类65
4.4.1 利用二叉树模型给欧式期权定价66
4.4.2 利用二叉树模型给美式期权定价67
4.4.3 Cox-Ross-Rubinstein模型69
4.4.4 Leisen-Reimer模型70
4.5 希腊值72
4.6 三叉树期权定价模型75
4.7 期权定价中的Lattice方法77
4.7.1 二叉树网格77
4.7.2 CRR二叉树Lattice方法期权定价模型78
4.7.3 三叉树网格79
4.8 期权定价中的有限差分法80
4.8.1 显式方法82
4.8.2 编写FiniteDifferences类82
4.8.3 隐式方法85
4.8.4 Crank-Nicolson方法88
4.8.5 奇异障碍期权定价90
4.8.6 美式期权定价的有限差分方法91
4.9 隐含波动率模型95
4.10 总结98
第5章 利率及其衍生工具的建模99
5.1 固定收益证券99
5.2 收益率曲线100
5.3 无息债券101
5.4 自助法构建收益率曲线102
5.4.1 自助法构建收益率曲线的实例102
5.4.2 编写BootstrapYield-Curve类103
5.5 远期利率106
5.6 计算到期收益率107
5.7 计算债券定价108
5.8 债券久期109
5.9 债券凸度109
5.10 短期利率模型110
5.10.1 Vasicek模型111
5.10.2 Cox-Ingersoll-Ross模型112
5.10.3 Rendleman and Bartter模型113
5.10.4 Brennan and Schwartz模型115
5.11 债券期权116
5.11.1 可赎回债券117
5.11.2 可回售债券117
5.11.3 可转换债券117
5.11.4 优先股117
5.12 可赎回债券期权定价118
5.12.1 用Vasicek模型定价无息债券118
5.12.2 提前行权定价119
5.12.3 有限差分策略迭代法121
5.12.4 可赎回债券定价的其他影响因素127
5.13 总结128
第6章 时间序列数据的统计分析129
6.1 道琼斯工业平均指数及其30种成分130
6.1.1 从Quandl 上下载Dow成分数据集130
6.1.2 关于Alpha Vantage131
6.1.3 获取Alpha Vantage API密钥131
6.1.4 安装Alpha Vantage 的Python包132
6.1.5 从Alpha Vantage下载DJIA数据集132
6.2 PCA分析133
6.2.1 特征向量和特征值的求法133
6.2.2 用PCA重新构建道琼斯指数135
6.3 平稳和非平稳时间序列136
6.3.1 平稳性与非平稳性136
6.3.2 平稳性检查136
6.3.3 非平稳过程的类型137
6.3.4 平稳过程的类型137
6.4 扩展Dickey-Fuller检验137
6.5 用趋势分析时间序列138
6.6 如何使时间序列平稳141
6.6.1 去趋势141
6.6.2 差分143
6.6.3 按季节分解144
6.6.4 ADF检验的缺陷147
6.7 预测和预报时间序列147
6.7.1 自回归积分移动平均法147
6.7.2 用网格搜索求取模型参数148
6.7.3 SARIMAX模型的拟合149
6.7.4 SARIMAX模型的预测和预报151
6.8 总结153
第三部分 实 践 操 作
第7章 对VIX的交互式金融分析156
7.1 波动率指数衍生品157
7.1.1 STOXX与欧洲期货交易所157
7.1.2 EURO STOXX 50指数157
7.1.3 VSTOXX157
|
|
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
