rmyd01的博客

版权信息 书名：量化交易学习指南——基于R语言 ISBN：978-7-115-49874-8 本书由人民邮电出版社发行数字版。版权所有，侵权必究。 您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。 我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。 如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能...

版权声明 Copyright ©2017 Packt Publishing. First published in the English language under the title Learning Quantitative Finance with R. All rights reserved. 本书由英国Packt Publishing公司授权人民邮电出版社出版。未经出版者书面许...

内容提要 R既是统计、挖掘、计算、分析、制图等方面的优秀工具，也是一个强大的开发与应用平台。在大数据时代，任何与数据相关的难题，都可以借助R语言来解决。而金融领域正是与数据密切相关的行业，可以通过R这一工具来实现量化金融建模与量化交易。 本书包括9章内容，书中包含诸多真实的金融案例，旨在通过循序渐进的讲解帮助读者了解R，并学会在量化金融与量化交易中使用R。本书还介绍了有关统计建模、计量分析与小...

作者简介 Param Jeet从印度理工学院马德拉斯分校（IITM）获得数学博士学位。Param Jeet博士在多个国际刊物上发表多篇数学方面的研究论文。过去几年，Param Jeet博士进入数据分析行业，并以数据科学家的身份为多家顶级的跨国公司工作或提供咨询服务。 感谢我的父母亲S. Dhayan Singh和Jeet Kaur，在我生命中的每个阶段给我提供一贯的支持；感谢我的妻子Manpr...

审稿人简介 Manuel Amunategui是一位应用数据科学家，为多个行业（包括医疗、金融和销售）开发企业级的预测分析解决方案。在此之前，他作为量化开发人员在华尔街为一家大规模的股票和期权做市商工作6年，并曾作为软件开发人员在微软公司工作4年。他拥有美国西北大学预测分析专业的硕士学位以及国际训练学院国际管理专业的硕士学位。目前他是SpringML公司的数据科学副总裁。这是一家提供先进的预测性...

前言 本书借助统计语言R来阐释量化金融领域的实用例子。写作本书的目的在于向读者介绍如何利用R来学习量化金融。本书涉及从基础到高级的众多话题。具体而言，我们会介绍统计学、时间序列分析、小波分析以及它们在算法交易中的应用。在本书中，我们还会尽己所能地解释机器学习、风险管理、最优化、期权定价等领域知识的应用。 本书内容 第1章“R语言入门”介绍R语言相关的基础知识，逐一说明R和R程序包的安装、数据...

资源与支持 本书由异步社区出品，社区（https://www.epubit.com/）为您提供相关资源和后续服务。 配套资源 本书提供配套源代码，要获得该配套资源，请在异步社区本书页面中单击，跳转到下载界面，按提示进行操作即可。注意：为保证购书读者的权益，该操作会给出相关提示，要求输入提取码进行验证。 如果您是教师，希望获得教学配套资源，请在社区本书页面中直接联系本书的责任编辑。 提交勘...

第1章　R语言入门 在本章，我们将讨论R语言的基础概念，这是学习本书其他章节的基础，但我们并不会深入讨论关于R的每个概念。本章的目标读者是那些并不了解R语言、想要在量化金融领域寻求职业机会或者应用R语言进行量化金融分析的初学者。本章会教你开始用R编写程序的基础知识，但假如你想要编写更加复杂的程序，则需要查看其他相关书籍。 本章包括以下内容。 为什么要用R 如何下载并安装R软件 ...

第2章　统计建模 本章讨论统计建模。统计建模是量化金融的驱动力，因此这是在R中学习量化金融的第一步。我们假定读者熟悉R语言基础编程知识并对相关的统计概念有一定了解。在本章中，我们不会详细讨论统计概念，而是展示如何用R进行统计建模。 本章包括以下内容。 概率分布 抽样 统计量 相关性 假设检验 参数估计 异常值侦测 标准化 归一化 2.1　概率分布 ...

第3章　计量分析与小波分析 在金融分析中，我们经常应用预测性建模技术来预测目标变量的取值并找出目标变量的驱动因子。本章将讨论不同类型的回归技术以及在R中如何构建预测性的回归模型。我们还讨论如何进行变量选择以及和回归相关的其他问题。本章并不讲述关于回归模型的理论性内容，而是指导用户用R来实现与金融问题相关的回归模型。在金融领域中，回归分析可用于横截面数据的预测。此外，我们也会讨论时间序列数据的频谱...

第4章　时间序列建模 时间序列预测分析是量化金融最重要的构件之一。R有很多支持时间序列分析和预测的程序包——有些程序包用来将等间距和不等距的数据序列转化为时间序列数据，而有些程序包则用来构建预测模型（如ARIMA模型和GARCH模型）。在本章中，我们介绍如何将数据转化时间序列并构建预测模型。 本章包含以下内容。 时间序列概述 将数据转化为时间序列 zoo包 xts包 线...

第5章　算法交易 算法交易（algorithmic trading）是指基于预设的规则（即算法）来买入或卖出金融工具。交易者使用预测模型、时间序列模型和机器学习等技术来预测资产的价格、收益或者变动方向。 量化交易者或量化研究人员开发出算法并用历史数据对其进行检验。人们可使用任何技术来定义算法的规则，但算法在付诸于实际交易之前要接受严格的检验。如果交易能完全自动化，基于技术指标的交易也可被视作算...

第6章　基于机器学习的交易 在资本市场中，近年来基于机器学习的算法交易日益流行，许多公司都积极投入巨大资源为自身或客户开发基于机器学习的算法。机器学习算法能够进行连续学习并自主修正行为，这有助于快速识别市场中出现的新模式。资本市场中某些模式太过复杂，人们很难识别并理解它。即使碰巧发现一种模式，它的效率也极为低下。模式的复杂性迫使人们寻求其他可以高效并准确发现复杂模式的机制。 在第5章中，我们已...

第7章　风险管理 银行、基金公司等金融机构不可避免地会暴露在各种类型的风险之中，因而他们需要制定风险识别和风险缓释机制，实施监管规范以保持自身的竞争力和盈利能力。在本章中，我们将讨论银行业和金融领域所涉及的风险，展示利用R来测度不同类型风险的各种技术，同时也会介绍与银行业风险相关的各种主题，例如信用风险、欺诈检测和巴塞尔监管法规等。 本章涵盖如下主题。 市场风险 投资组合风险 ...

第8章　最优化 最优化（optimization）是指从所有可行的解决方案中选择一种最佳的解决方案。因此，最优化过程的第一步是根据给定的约束条件来描述问题，并应用高级的分析方法来寻得最优解，辅助决策者做出更好的决策。 最优化模型能够更为高效和准确地解决复杂问题，这使其在量化金融和计算金融领域中发挥着关键作用。资产配置、风险管理、期权定价、波动率估计、投资组合优化和指数基金构建等相关问题均可以采...

第9章　衍生品定价 算法交易和金融工程（financial engineering）是金融领域中计算密集性最高的两个子领域。身处这些领域的人员往往不仅是金融、数学和统计学方面的专家，同时也精通计算密集型软件。在前几章，我们已经学习了算法交易。在本章中，我们将学习用R来实现给不同类型衍生品定价的方法，而衍生品定价（derivative pricing）是金融工程领域至为关键的构件之一。 衍生品的...