R的極客理想:量化投資篇 R的极客理想(量化投资篇)

張丹

R的極客理想:量化投資篇
  • 出版商: 機械工業
  • 出版日期: 2018-01-01
  • 定價: $474
  • 售價: 8.5 折 $403
  • 語言: 簡體中文
  • 頁數: 339
  • 裝訂: 平裝
  • ISBN: 7111582977
  • ISBN-13: 9787111582977
  • 相關分類: R 語言

    • 立即出貨 (庫存 < 4)

買這商品的人也買了...

中文年末書展｜繁簡參展書2書75折 詳見活動內容 »

相關主題

商品描述

本書的內容來自作者實際使用R語言的經驗總結，以R語言的高級編程為主，輔以跨界知識的綜合運用，涉及電腦、統計、數學、金融四個學科的知識。

書中首先闡釋如何用R語言實現數學統計計算和創建模型，應用包括協同過濾算法、基於矩陣的PageRank算法、遺傳算法和金融交易策略模型。詳細介紹了R語言的環境空間、文件系統管理、四種（S3、S4、RC和R6）面向對象的程序設計。還介紹了完整的R包開發流程，並提供每日中國天氣的應用案例和遊戲開發的案例，幫助讀者創建自己的R包，打開R語言產品化的思路。介紹了多個場景案例，不僅從學術的角度完成了模型設計，而且用電腦的方法實現產品。通過案例的學習，可以讓不同學科背景的R語言使用者，站在其他人的角度，找到新的思維方法。

作者簡介

張丹早年畢業於華南理工大學，系統架構師，精通Java，R，Javascipt等多種語言工具。在軟件和因特網行業從事多年，曾開發多種不同類型的系統及應用。對系統架構、編程算法、統計分析、大數據處理，有一定的知識積累。現創業中，IT金融領域，研發金融量化分析工具。

曾獲得SUN和IBM的多個計算機認證。
2013年，“RHadoop系列文章”，在“統計之都”發表。
2013年，ChinaHadoop演講嘉賓：R語言為Hadoop註入統計血脈
2014年，Dataguru講師，Hadoop應用開發實戰案例，Mahout機器學習平臺

目錄大綱

序
序二
前言

第一部分金融市場與金融理論

第1章金融市場概述2 
1.1 R語言為量化而生2 
1.1.1為什麼是R語言3 
1.1.2跨界結合4 
1.1.3 R語言量化工具包5 
1.1.4實戰應用6 
1.1.5量化交易平臺系統架構11 
1.2算法，如何改變命運13 
1.2.1算法在各個行業的應用14 
1.2.2投身於哪個行業好15 
1.2.3金融最靠譜15 
1.3 FinTech金融領域的風口18 
1.3.1大起大落19 
1.3.2因特網已經在併購階段20 
1.3.3尋找好的行業風口21 
1.3.4 Gartner技術成熟曲線21 
1.3.5 FinTech金融領域的風口22 
1.4國內量化投資工具介紹23 
1.4.1量化交易概況工具23 
1.4.2證券期貨客戶端26 
1.4.3金融數據庫31 
1.4.4因特網在線策略平臺32 
1.4.5量化工具軟件34 
1.4.6 API程序工具36 
1.5國內低風險交易策略37
1.5.1企業債37 
1.5.2可轉債39 
1.5.3逆回購和正回購41 
1.5.4現金管理42 
1.5.5分級基金A 43 
1.5.6期貨45 

第2章金融理論模型46 
2.1 R語言解讀資本資產定價模型CAPM 46 
2.1.1故事背景47 
2.1.2資本市場線48 
2.1.3資本資產定價模型52 
2.1.4用R構建投資組合模型54 
2.1.5 Beta VS Alpha 60 
2.2 R語言解讀一元線性回歸模型60 
2.2.1一元線性回歸介紹61 
2.2.2數據集和數學模型62 
2.2.3回歸參數估計64 
2.2.4回歸方程的顯著性檢驗66 
2.2.5殘差分析和異常點檢測67 
2.2.6模型預測71 
2.3 R語言解讀多元線性回歸模型72 
2.3.1多元線性回歸介紹73 
2.3.2多元線性回歸建模73 
2.3.3模型優化78 
2.3.4案例：黑色系期貨日K線數據驗證82 
2.4 R語言解讀自回歸模型85 
2.4.1自回歸模型介紹85 
2.4.2用R語言構建自回歸模型86
2.4.3模型識別ACF/PACF 88 
2.4.4模型預測92 

第二部分R語言數據處理與高性能計算

第3章R語言數據處理96 
3.1掌握R語言中的apply函數族96 
3.1.1 apply的家族函數97 
3.1.2 apply函數98 
3.1.3 lapply函數101 
3.1.4 sapply函數102 
3.1.5 vapply函數104 
3.1.6 mapply函數105 
3.1.7 tapply函數106 
3.1.8 rapply函數108 
3.1.9 eapply函數109 
3.2超高性能數據處理包data.table 111 
3.2.1 data.table包介紹112 
3.2.2 data.table包的使用112 
3.2.3 data.table包性能對比121 
3.3 R語言高效的管道操作magrittr 126 
3.3 .1 magrittr介紹126 
3.3.2 magrittr包的基本使用127 
3.3.3 magrittr包的擴展功能132 
3.4 R語言字符串處理包stringr 134 
3.4.1 stringr介紹135 
3.4.2 stringr的API介紹135
3.5 R語言中文分詞包jiebaR 151 
3.5.1 jiebaR包介紹152 
3.5.2 5分鐘上手jiebaR 152 
3.5.3分詞引擎154 
3.5.4配置詞典156 
3.5.5停止詞過濾160 
3.5.6關鍵詞提取161 

第4章R語言高性能計算164 
4.1 OpenBlas讓R的矩陣計算加速164 
4.1.1 OpenBlas介紹165 
4.1.2 R和OpenBlas的安裝165 
4.1.3讓R語言加速169 
4.2 R語言跨界調用C++ 171 
4.2. 1 Rcpp的簡單介紹172 
4.2.2 5分鐘上手Rcpp 172 
4.2.3數據類型轉換176 
4.3當R語言遇上Docker 186 
4.3.1當R遇上Docker 187 
4.3.2用Docker來管理R的程序188 

第三部分金融策略實戰

第5章債券和回購196 
5.1瞭解國債196 
5.1.1國債基本介紹197 
5.1.2國債的意義198 
5.1.3記賬式國債200 
5.1.4國債101308 200 
5.1.5國債的歷史表現202
5.2企業債和企業債套利205 
5.2.1什麼是企業債？206 
5.2.2什麼是公司債207 
5.2.3企業債和公司債的區別209 
5.2.4企業債統計分析209 
5.2.5企業債舉例213 
5.2.6企業債交易操作214 
5.3可轉債套利實踐216 
5.3.1可轉債介紹216 
5.3.2可轉債操作218 
5.3.3負溢價率套利策略219 
5.4金融無風險交易工具逆回購231 
5.4.1逆回購簡單介紹231 
5.4.2逆回購的品種有哪些？232 
5.4.3逆回購交易233 
5.4.4正回購操作236 
5.4.5央行的公開市場操作237 

第6章量化投資策略案例241 
6.1均值回歸，逆市中的投資機會241 
6.1.1均值回歸原理242 
6.1.2均值回歸模型和實現245 
6.1.3量化選股257 
6.2 R語言構建追漲殺跌量化交易模型262 
6.2.1什麼是追漲殺跌262 
6.2.2追漲殺跌的建模和實現265 
6.2.3模型優化275 
6.3 R語言構建配對交易量化模型279
6.3.1什麼是配對交易279 
6.3.2配對交易的模型280 
6.3.3用R語言實現配對交易284 
6.4基金會計系統設計和實現293 
6.4.1基金會計系統介紹294 
6.4.2資產核算300 
6.4. 3淨值份額核算300 
6.4.4計算案例305 
6.4.5會計系統架構307 
6.5用數據解讀摩羯智投313 
6.5.1摩羯智投介紹313 
6.5.2數據收集315 
6.5.3數據建模分析317 
6.5. 4結論328 
結束語329 
附錄A Docker環境安裝330

類似商品