量化交易學習指南 基於R語言

[印度]帕勒姆·吉特 普拉桑特·瓦次

買這商品的人也買了...

商品描述

R既是統計、挖掘、計算、分析、制圖等方面的工具,也是一個強大的開發與應用平臺。在大數據時代,任何與數據相關的難題,都可以借助R語言來解決。而金融領域正是與數據密切相關的行業,可以通過R這一工具來實現量化金融建模與量化交易。
本書包括9章內容,書中包含諸多真實的金融案例,旨在通過循序漸進的講解幫助讀者瞭解R,並學會在量化金融與量化交易中使用R。本書還介紹了有關統計建模、計量分析與小波分析、時間序列建模、算法交易、基於機器學習的交易、風險管理、衍生品定價等重要內容。
本書適合對R及其應用感興趣的讀者閱讀,尤其適合想要在量化交易中使用R的讀者學習。本書並不要求讀者具備R編程的知識,但希望讀者對數學分析有一些瞭解。

作者簡介

作者:[印度]帕勒姆·吉特(Param Jeet)普拉桑特·瓦次(Prashant Vats)譯者:曾永藝許健男
Param Jeet從印度理工學院馬德拉斯分校(IITM)獲得數學博士學位。Param Jeet博士在多個國際刊物上發表多篇數學方面的研究論文。過去幾年,Param Jeet博士進入數據分析行業,並以數據科學家的身份為多家跨國公司工作或提供諮詢服務。
Prashant Vats從印度理工學院獲得數學碩士學位。Prashant進入數據分析行業已有10年時間,作為數據科學家供職於多家跨國公司,提供多領域的諮詢服務。

目錄大綱

第1章R語言入門1 
1.1為什麼要用R 1 
1.2下載並安裝R軟件2 
1.3安裝R程序包3 
1.3.1直接從CRAN安裝3 
1.3.2手動安裝4 
1.4數據類型4 
1.4.1向量5 
1.4 .2列表6 
1.4.3矩陣7 
1.4.4數組7 
1.4.5因子7 
1.4.6數據框8 
1.5導入和輸出不同類型的數據8 
1.5.1讀取和存儲CSV格式文檔9 
1.5.2 XLSX文檔10 
1.5.3網絡數據或在線數據資源11 
1.5.4數據庫12 
1.6編寫表達式13 
1.6.1表達式13 
1.6.2符號和賦值15 
1.6.3關鍵詞15 
1.6.4變量命名15 
1.7函數16 
1.7 .1調用函數(無需參數) 17 
1.7.2調用函數(需要參數) 17 
1.8如何執行R程序18 
1.8.1在R代碼窗中運行存盤的腳本文檔18 
1.8.2加載R腳本文檔18 
1.9循環與條件19
1.9.1 if語句19 
1.9.2 if … else語句20 
1.9.3 for循環20 
1.9.4 while循環21 
1.9.5 apply()函數21 
1.9.6 sapply()函數21 
1.10循環控制語句22 
1.10.1 break語句22 
1.10.2 next語句22 
1.11問題23 
1.12小結23 


第2章統計建模25 
2.1概率分佈25 
2.1.1正態分佈26 
2.1.2對數正態分佈28 
2.1.3泊松分佈30 
2.1 .4均勻分佈31 
2.1.5極值理論31 
2.2抽樣33 
2.2.1隨機抽樣33 
2.2.2分層抽樣35 
2.3統計量36 
2.3.1均值36 
2.3.2中位數36 
2.3.3眾數36 
2.3.4概覽37 
2.3.5矩37 
2.3.6峰度37 
2.3.7偏度38 
2.4相關性38 
2.4.1自相關性38 
2.4.2偏自相關性39 
2.4.3交叉相關性40
2.5假設檢驗40 
2.5.1總體均值的下側單尾檢驗(方差已知) 40 
2.5.2總體均值的上側單尾檢驗(方差已知) 41 
2.5.3總體均值的雙尾檢驗(方差已知) 42 
2.5.4總體均值的下側單尾檢驗(方差未知) 43 
2.5.5總體均值的上側單尾檢驗(方差未知) 44 
2.5.6總體均值的雙尾檢驗(方差未知) 44 
2.6參數估計45 
2.6.1極大似然估計45 
2.6.2線性模型47 
2.7異常值偵測48 
2.7.1箱形圖48 
2.7.2 LOF算法48 
2.8標準化49 
2.9歸一化50 
2.10問題50 
2.11小結51 

第3章計量分析與小波分析52 
3.1簡單線性回歸53 
3.1.1散點圖53 
3.1.2可決係數55 
3.1.3顯著性檢驗55 
3.1.4置信區間56 
3.1.5殘差圖56 
3.1 .6誤差項正態分佈57 
3.2多元線性回歸58 
3.2.1可決係數59 
3.2.2置信區間60 
3.2.3多重共線性60 
3.3 ANOVA 60
3.4特徵選擇61 
3.4.1考察相關係數矩陣62 
3.4.2逐步法變量選擇63 
3.4.3用分類技術進行變量選擇63 
3.4.4變量排序64 
3.5小波分析64 
3.6快速傅里葉變換70 
3.7希爾伯特變換71 
3.8問題73 
3.9小結74 


第4章時間序列建模75 
4.1時間序列概述76 
4.2將數據轉化為時間序列76 
4.3 zoo包78 
4.3.1構建zoo對象78 
4.3.2用zoo包讀入外部數據79 
4.3.3 zoo對象的優點79 
4.3.4 zoo對象的缺點81 
4.4 xts包81 
4.4.1調用as.xts()構建xts對象81 
4.4.2從頭開始構建xts對象82 
4.5線性過濾器83 
4.6 AR模型84 
4.7 MA模型85 
4.8 ARIMA模型86 
4.9 GARCH模型90 
4.10 EGARCH模型91 
4.11 VGARCH模型92 
4.12動態條件相關性模型94 
4.13問題96 
4.14小結96


第5章算法交易97 
5.1動量或方向性交易98 
5.2配對交易106 
5.2.1基於距離的配對交易106 
5.2.2基於相關性的配對交易112 
5.2.3基於協整關係的配對交易115 
5.3資本資產定價模型118 
5.4多因子模型120 
5.5構建投資組合126 
5.6問題130 
5.7小結130 


第6章基於機器學習的交易131 
6.1邏輯回歸132 
6.2神經網絡138 
6.3深度神經網絡146 
6.4 K均值算法148 
6.5 K近鄰法151 
6.6支持向量機154 
6.7決策樹156 
6.8隨機森林157 
6.9問題160 
6.10小結161 


第7章風險管理162 
7.1市場風險162 
7.2投資組合風險164 
7.3風險值167 
7.3.1參數VaR 167 
7.3.2歷史VaR 168 
7.4蒙特卡羅模擬170 
7.5風險對沖171 
7.6巴塞爾監管172 
7.7信用風險173
7.8欺詐識別177 
7.9負債管理180 
7.10問題180 
7.11小結181 


第8章最優化182 
8.1動態再平衡182 
8.2前行測試185 
8.3網格測試185 
8.4遺傳算法188 
8.5問題192 
8.6小結192 


第9章衍生品定價193 
9.1期權定價193 
9.1.1 Black-Scholes模型194 
9.1.2 Cox-Ross-Rubinstein模型195 
9.1.3希臘字母198 
9.2隱含波動率200 
9.3債券定價201 
9.4信用利差204 
9.5信用違約互換207 
9.6利率衍生品208 
9.7奇異期權209 
9.8問題213 
9.9小結213