基于R語言的金融分析

譯者序
前言
第1章　分析性思維 1
1.1　什么是金融分析 1
1.2　什么是數(shù)據(jù)科學(xué)筆記本電腦實驗室 2
1.3　什么是R語言，如何將其用于專業(yè)分析領(lǐng)域 4
1.4　習(xí)題 5
第2章　統(tǒng)計計算使用的R語言 6
2.1　R語言入門 6
2.2　語言功能：函數(shù)、賦值、參數(shù)和類型 9
2.3　語言功能：綁定和數(shù)組 11
2.4　錯誤處理 14
2.5　數(shù)字、統(tǒng)計和字符函數(shù) 15
2.6　數(shù)據(jù)幀和輸入/輸出 16
2.7　列表 17
2.8　習(xí)題 19
第3章　金融統(tǒng)計學(xué) 20
3.1　概率 20
3.2　排列組合 21
3.3　數(shù)學(xué)期望 27
3.4　樣本均值、標(biāo)準(zhǔn)差和方差 29
3.5　樣本偏度和峰度 30
3.6　樣本協(xié)方差和相關(guān)矩陣 31
3.7　金融收益率 33
3.8　資本資產(chǎn)定價模型 34
3.9　習(xí)題 35
第4章　金融證券 37
4.1　債券投資 38
4.2　股票投資 40
4.3　證券數(shù)據(jù)集和可視化 41
4.4　股票分拆 43
4.5　為并購進(jìn)行調(diào)整 48
4.6　繪制多個序列 49
4.7　證券數(shù)據(jù)導(dǎo)入 51
4.8　證券數(shù)據(jù)清理 57
4.9　證券報價 60
4.10　習(xí)題 61
第5章　數(shù)據(jù)集分析和風(fēng)險測量 62
5.1　用對數(shù)收益率來生成價格 62
5.2　價格變動的正態(tài)混合模型 64
5.3　2015年貨幣價格的突變 70
5.4　習(xí)題 73
第6章　時間序列分析 74
6.1　時間序列入門 74
6.2　平穩(wěn)型時間序列 78
6.3　自回歸移動平均過程 79
6.4　冪變換 79
6.5　TSA包 80
6.6　自回歸積分移動平均過程 87
6.7　案例研究：強生公司的收益 89
6.8　案例研究：乘客飛行月度數(shù)據(jù) 92
6.9　案例研究：電力生產(chǎn) 95
6.10　廣義自回歸條件異方差 97
6.11　案例研究：谷歌公司股票收益的波動性 97
6.12　習(xí)題 104
第7章　夏普比率 106
7.1　夏普比率公式 107
7.2　時間段和年化 107
7.3　排名投資候選選項 108
7.4　quantmod包 111
7.5　衡量損益表增長 116
7.6　損益表增長的夏普比率 119
7.7　習(xí)題 128
第8章　馬科維茨均值方差優(yōu)化 129
8.1　兩種風(fēng)險資產(chǎn)的最優(yōu)投資組合 129
8.2　二次規(guī)劃 132
8.3　利用投資組合優(yōu)化進(jìn)行數(shù)據(jù)挖掘 133
8.4　約束、懲罰和套索 135
8.5　向高維度延展 140
8.6　案例研究：2003～2008年標(biāo)準(zhǔn)普爾500指數(shù)成分股 147
8.7　案例研究：2008～2014年幾千只候選股票 150
8.8　案例研究：交易所交易基金 154
8.9　習(xí)題 161
第9章　集群分析 163
9.1　k-means聚類 163
9.2　剖析k-means算法 169
9.3　無向圖的稀疏性和連通性 172
9.4　協(xié)方差和精度矩陣 175
9.5　可視化協(xié)方差 177
9.6　Wishart分布 184
9.7　Glasso：無向圖的懲罰 186
9.8　運行Glasso算法 187
9.9　多年追蹤價值股 187
9.10　年度稀疏度回歸 191
9.11　季度稀疏度回歸 195
9.12　月度稀疏度回歸 196
9.13　架構(gòu)和擴(kuò)展 197
9.14　習(xí)題 198
第10章　衡量市場情緒 199
10.1　馬爾可夫區(qū)制轉(zhuǎn)移模型 199
10.2　讀取市場數(shù)據(jù) 202
10.3　貝葉斯推理 206
10.4　Beta分布 207
10.5　先驗和后驗分布 207
10.6　檢驗對數(shù)收益率的相關(guān)性 210
10.7　態(tài)勢圖 211
10.8　習(xí)題 215
第11章　模擬交易策略 217
11.1　外匯市場 217
11.2　圖表分析 218
11.3　初始化及結(jié)束 219
11.4　動量指標(biāo) 220
11.5　在頭寸中使用貝葉斯推理 221
11.6　入場 223
11.7　離場 224
11.8　獲利能力 224
11.9　短期波動性 225
11.10　狀態(tài)機(jī) 225
11.11　模擬總結(jié) 232
11.12　習(xí)題 233
第12章　使用基礎(chǔ)知識進(jìn)行數(shù)據(jù)探索 235
12.1　RSQLite包 235
12.2　計算市凈率 236
12.3　Reshape2包 238
12.4　案例研究：谷歌 240
12.5　案例研究：沃爾瑪 242
12.6　價值投資 243
12.7　實驗室：試圖戰(zhàn)勝市場 246
12.8　實驗室：財務(wù)實力 247
12.9　習(xí)題 247
第13章　使用基本原理進(jìn)行預(yù)測 248
13.1　最佳損益表投資組合 248
13.2　重新格式化損益表增長數(shù)據(jù) 249
13.3　獲取價格統(tǒng)計 251
13.4　合并損益表和價格統(tǒng)計數(shù)據(jù) 255
13.5　使用分類樹和遞歸劃分進(jìn)行預(yù)測 257
13.6　分類器之間的預(yù)測率比較 262
13.7　習(xí)題 264
第14章　期權(quán)的二項式模型 266
14.1　應(yīng)用計算金融學(xué) 266
14.2　風(fēng)險中性定價和無套利 269
14.3　高風(fēng)險率環(huán)境 269
14.4　期權(quán)數(shù)據(jù)二項模型的收斂 271
14.5　買賣權(quán)平價 274
14.6　從二項到對數(shù)正態(tài) 275
14.7　習(xí)題 276
第15章　Black-Scholes 模型和期權(quán)的隱含波動率 277
15.1　幾何布朗運動 277
15.2　幾何布朗運動的蒙特卡羅模擬 279
15.3　Black-Scholes 推導(dǎo) 280
15.4　隱含波動率的算法 283
15.5　隱含波動率的實現(xiàn) 284
15.6　Rcpp包 290
15.7　習(xí)題 292
附錄　概率分布與統(tǒng)計分析 293
參考文獻(xiàn) 312