MATLAB 金融風險管理師 FRM : 金融科技 Fintech 應用

薑偉生、塗升、蘆葦、張豐

  • 出版商: 清華大學
  • 出版日期: 2021-09-01
  • 售價: $1,194
  • 貴賓價: 9.5$1,134
  • 語言: 簡體中文
  • 頁數: 461
  • 裝訂: 精裝
  • ISBN: 7302584079
  • ISBN-13: 9787302584070
  • 相關分類: FintechMatlab
  • 立即出貨

  • MATLAB 金融風險管理師 FRM : 金融科技 Fintech 應用-preview-1
  • MATLAB 金融風險管理師 FRM : 金融科技 Fintech 應用-preview-2
  • MATLAB 金融風險管理師 FRM : 金融科技 Fintech 應用-preview-3
MATLAB 金融風險管理師 FRM : 金融科技 Fintech 應用-preview-1

買這商品的人也買了...

相關主題

商品描述

金融風險管理已經成為各個金融機構必備的職能部門,特別是隨著全球金融一體化的不斷發展與深入,金融風險管理越發重要,也日趨復雜。金融風險管理師(Financial Risk Manager,FRM)認證考試就是在這個大背景下推出的,FRM 考試現在已經是金融風險管理領域****的國際認證考試。本叢書以FRM 考試第一、二級考綱內容為中心,並且突出介紹在實際工作中所必需的金融建模風險管理知識。本叢書將金融風險建模知識和MATLAB 編程有機地結合在一起,配合豐富的彩色圖表,由淺入深地將各種金融概念和計算結果可視化,幫助讀者理解金融風險建模核心知識,提高數學和編程水平。 《MATLAB 金融風險管理師FRM. 金融科技Fintech 應用》是本叢書的第五本,共分12 章。第1 章是本叢書第三本第11 章時間序列的姊妹章,介紹多重共線性、嶺回歸、Lasso 回歸,以及協整性和向量誤差修正模型。第2 章延續本叢書第三本第9、第10 兩章,繼續探討蒙特卡羅模擬中的跳躍過程和擬蒙特卡羅模擬,本章最後給出一個模擬投資組合VaR 值的案例分析。第3 章和第4 章,分別介紹利率模型及波動率模型與校準;特別的是,這兩章內容和衍生品定價緊密聯系。第5 章詳細介紹對手風險中信用敞口、信用指標模擬計算,以及如何規避對手信用風險及信用價值調整;本章最後探討錯向風險。第6 章介紹股票技術分析,其中包括蠟燭圖、股價繪圖、成交量圖以及各種震盪指標等。第7、第8 兩章銜接本叢書第四本第8 ~ 10 章,繼續探討投資組合優化問題。其中,第7 章介紹平均絕對離差和風險價值兩種風險指標以及信息比率和風險規避,本章最後介紹Black Litterman 模型;第8 章主要介紹風險貢獻、風險預算,並且基於此介紹風險平價和層次風險平價兩種重要的資產配置策略,最後比較幾種常見的投資策略。第9 章介紹因素投資,其中包括單因子模型、雙因子模型、多因子模型,以及主成分分析模型。第10 ~ 12 章集中介紹Fintech 常見的機器學習方法,其中包括經典的監督和 非監督算法,以及神經網絡算法。 《MATLAB 金融風險管理師FRM. 金融科技Fintech 應用》適合所有金融從業者閱讀,特別適合金融編程零基礎讀者參考學習;也適合作為FRM 考生的備考參考學習,可以幫助FRM 持證者實踐金融建模;還是鞏固金融知識、應對金融風險管理崗位筆試、面試的利器。

作者簡介

姜偉生  博士,FRM,現就職於MSCI,負責為美國對沖基金客戶提供金融分析產品RiskMetrics RiskManager的諮詢和技術支持服務。 MATLAB建模實踐過10年。跨領域著作豐富,在語言教育、新能源汽車等領域出版中英文圖書過15種。


塗升  博士,FRM,現就職於CMHC (Canada Mortgage and Housing Corporation,加拿大抵押貸款和住房管理公司,加拿大一大皇家企業),從事金融模型審查與風險管理工作。
曾就職於加拿大豐業銀行,從事IFRS9信用風險模型建模,執行監管要求的壓力測試等工作。 MATLAB使用時間過10年。


張豐  金融數學碩士,CFA,FRM,現就職於OTPP,從事一級市場等投資項目的風險管理建模和計算,包括私募股權投資、併購和風投基金、基礎建設、自然資源和地產類投資。
曾就職於加拿大蒙特利爾銀行,從事交易對手風險建模。 MATLAB建模實踐過10年。


蘆葦  博士,碩士為金融數學方向,現就職於加拿大五大銀行之一的豐業銀行(Scotiabank),從事金融衍生品定價建模和風險管理工作。
編程建模時間過10年。曾在密歇根州立大學、多倫多大學,從事中尺度氣候模型以及碳通量反演的科研工作。

目錄大綱

1章時間序列Ⅱ  1 
1.1 多重共線性 2 
1.2 嶺回歸 9 
1.3 Lasso回歸  13 
1.4 協整性  20 
1.5 向量誤差修正模型  23 

2章蒙特卡羅模擬Ⅲ 28 
2.1 跳躍過程  29 
2.2 擬蒙特卡羅模擬  36 
2.3 模擬投資組合VaR  49 

3章利率模型與校準 61 
3.1 利率衍生品  62 
3.2 利率模型  69 
3.3 模型校準  72 
3.4 利率三樹  77 

4章波動率模型與校準 85 
4.1 隱含波動率  86 
4.2 Heston隨機波動率模型  90 
4.3 局部波動率模型  98 
4.4 SABR隨機波動率模型105 

5章交易對手信用風險  115 
5.1 交易對手信用風險 116 
5.2 信用敞口 117 
5.3 信用敞口指標 120 
5.4 信用敞口的模擬 132 
5.5 交易對手信用風險規避 140 
5.6 信用價值調整 147 
5.7 錯向風險 148 

6章技術分析150 
6.1 技術分析 151 
6.2 蠟燭圖 157 
6.3 其他股價繪圖 160 
6.4 成交量圖 163 
6.5 價格變化圖像 167 
6.6 震盪指標 181 

7章投資組合優化Ⅳ191 
7.1 風險指標 192 
7.2 平均對離差(MAD) 193 
7.3 風險價值VaR 和ES195 
7.4 投資組合優化對象 199 
7.5 信息比率 207 
7.6 風險規避 215 
7.7 Black-Litterman模型 223 

8章投資組合優化Ⅴ234 
8.1 風險貢獻 235 
8.2 風險預算 243 
8.3 風險平價 247 
8.4 層次風險平價 251 
8.5 投資策略比較 256 
8.6 回顧測試 267 

9章因素投資276 
9.1 單因子模型和CAPM市場模型 277 
9.2 雙因子模型 284 
9.3 多因子模型 289 
9.4 多因子模型投資組合表達 292 
9.5 多因子模型的應用 294 
9.6 主成分分析模型 300 

10章機器學習Ⅰ 310 
10.1 機器學習概述 311 
10.2 樸素貝葉斯分類 315 
10.3 高斯樸素貝葉斯分類 324 
10.4 高斯判別分析 332 
10.5 線性判別與二次判別 339 
10.6 k臨近算法 348 

11章機器學習Ⅱ 354 
11.1 支持向量機 356 
11.2 軟間隔與核技巧 361 
11.3 決策樹 374 
11.4 性能度量 381 
11.5 高斯混合模型 390 
11.6 軟聚類 399 
11.7 GMM參數調試 402 

12章機器學習Ⅲ 407 
12.1 k均值聚類 408 
12.2 層次聚類 416 
12.3 模糊C均值聚類 422 
12.4 DBSCAN聚類429 
12.5 神經網絡結構 431 
12.6 反向傳播算法 438 

結束語454 
備忘455 
參考及推薦圖書461