量化金融 R語言初級教程 (Introduction to R for Quantitative Finance) 量化金融R语言初级教程

Gergely Daróczi是一位社會學博士學位候選人，擁有大約8年R編程的數據管理和分析任務的工作經驗。Gergely數年來在匈牙利的多所大學講授統計學課程並從事數據分析工作，近期他還創建並協調著一個總部位於英國的在線報告創業公司。後者作為一種服務性平台，其軟件或者平台稱為rapporter.net，可以對本書涉及的所有方法和技術提供一個直觀的界面和接口。他對本書的貢獻是提供了量化金融問題和方法的R實現。

Michael Puhle在德國帕紹大學（University of Passau）獲得了金融學博士學位。他曾在慕尼黑的安聯資產管理公司（Allianz Global Investors）擔任高級風險控制經理多年，後來在畢馬威金融風險管理（KPMG's Financial Risk Management）部門中擔任管理助理，在那裡他就市場風險模型為銀行提供諮詢。他還是斯普林格出版社（Springer Publishing）出版的《債券組合優化》（Bond Portfolio Optimization）的作者之一。

Edina Berlinger是畢業於布達佩斯考文紐斯大學（Corvinus University of Budapest）的經濟學博士。她是一名助理教授，講授公司金融、投資學和金融風險管理。她還擔任大學金融系的領導職務，也是匈牙利科學院金融分委員會的主席。她的專業涉及學生貸款系統、風險管理，近期又涉及了網絡分析領域。在學生貸款設計、流動性管理、異質代理模型和系統風險方面，她領導過一些研究項目。

Péter Csóka是布達佩斯考文紐斯大學的助理教授，同時也是匈牙利科學院經濟與區域研究中心、博弈論研究組的研究員。2008年，他在馬斯特里赫特大學（Maastricht University）獲得了博士學位。他的研究主題包括風險管理、風險資本配置、博弈論、公司金融以及一般均衡理論。他目前致力於分析對系統風險和非流動性資產組合的風險貢獻。他在《運籌研究的數學方法》（Mathematical Methods of Operational Research）、《歐洲運籌研究雜誌》（European Journal of Operational Research）、《博弈與經濟行為》（Games and Economic Behaviour）以及《銀行與金融雜誌》 （Journal of Banking and Finance）發表過論文。他還是布達佩斯金融市場流動性年度會議組織委員會的主席。

Daniel Havran是匈牙利科學院經濟研究所、經濟與區域研究中心的博士後研究員。他還在布達佩斯考文紐斯大學擔任兼職的助理教授，在那裡，他講授公司金融（本科和博士水平）和信用風險管理（碩士水平）的課程。2011年，他在布達佩斯考文紐斯大學獲得了經濟學博士學位。他研究的興趣方向是公司現金、基金流動性管理以及場外市場的信用衍生品。

Márton Michaletzky在2011年從布達佩斯考文紐斯大學獲得了經濟學博士學位。在2000～2003年間，他是協和證券有限公司（Concorde Securities Ltd）的風險經理和宏觀經濟分析師。作為資本市場交易經理，他在匈牙利國家高速公路管理公司獲得了30億歐元的證券化經驗。2012年，他參與了一次IPO的準備工作以及匈牙利金融服務提供商的私人配售。在加入DBH投資之前，他是CUB金融系的助理教授。

Zsolt Tulassay在一家專業的美國投資銀行任量化分析師，從事評估衍生品定價模型相關的工作。在此之前，Zsolt是布達佩斯考文紐斯大學金融系的助理講師，講授衍生品、量化風險管理和金融計量經濟學。Zsolt擁有布達佩斯考文紐斯大學和中歐大學的碩士學位。他研究的興趣方向包括衍生品定價、構建收益率曲線、流動性風險以及異質代理模型。

Kata Váradi自2013年以來一直在布達佩斯考文紐斯大學任金融學的助理教授。2009年，Kata從布達佩斯考文紐斯大學研究生畢業，並於2012年獲得了博士學位，她論文的主題是關於匈牙利股票市場的市場流動性風險分析。她的研究領域包括市場流動性、固定收益證券以及醫療系統的網絡。除了研究，她對教學也很積極。主要講授公司金融、投資學、估值以及跨國金融管理。

Agnes Vidovics-Dancs是博士學位候選人和布達佩斯考文紐斯大學金融系的助理教授。在此之前，她是匈牙利政府債務管理局的初級風險經理。她的主要研究領域是通常的政府債務管理，特別是主權危機和違約。

第1章時間序列分析1 
1.1使用時間序列數據1 
1.2對英國房屋價格建模並預測5 
1.2.1模型識別和估計6 
1.2.2模型診斷檢查7 
1.2.3預測9 
1.3協整9 
1.4波動率建模13 
1.4.1風險管理的波動率預測14 
1.4.2檢驗ARCH效應14 
1.4.3 GARCH模型設定16 
1.4.4 GARCH模型估計16 
1.4.5回測風險模型17 
1.4.6預測20 
1.5小結21 

第2章投資組合優化22 
2.1均方差模型24 
2.2解的概念25 
2.3使用真實數據27 
2.4切線組合和資本市場線35 
2.5協方差矩陣中的噪聲36 
2.6如果方差不夠用37 
2.7小結37 

第3章資產定價模型39 
3.1資本資產定價模型39 
3.2套利定價理論41 
3.3貝塔估計42 
3.3.1數據選擇43 
3.3.2簡單貝塔估計46 
3.3.3基於線性回歸估計貝塔46
3.4模型檢驗50 
3.4.1數據收集50 
3.4.2對SCL建模53 
3.4.3檢驗個體方差的解釋能力55 
3.5小結57 

第4章固定收益證券58 
4.1度量固定收益證券的市場風險58 
4.2固定收益投資組合的免疫62 
4.2.1淨值免疫62 
4.2.2目標日期免疫63 
4.2.3定制63 
4.3可轉換債券的定價63 
4.4小結67 

第5章估計利率期限結構68 
5.1利率期限結構與相關函數68 
5.2估計問題69 
5.3基於線性回歸的期限結構估計70 
5.4三次樣條回歸71 
5.5 R函數應用74 
5.6小結77 

第6章衍生品定價78 
6.1 Black—Scholes模型78 
6.2 Cox—Ross—Rubinstein模型81 
6.3兩種模型之間的聯繫84 
6.4希臘字母86 
6.5隱含波動率90 
6.6小結91 

第7章信用風險管理93 
7.1信用違約模型94 
7.1.1結構模型94 
7.1.2強度模型100
7.2相關違約——投資組合方法102 
7.3遷移矩陣104 
7.4使用R的信用評分入門105 
7.5小結106 

第8章極值理論107 
8.1理論概覽108 
8.2應用——保險理賠的建模109 
8.2.1探索性數據分析110 
8.2.2理賠的尾部行為111 
8.2.3閾值的決定113 
8.2.4對尾部擬合GPD分佈114 
8.2.5使用擬合的GPD模型估計分位數116 
8.2.6使用擬合的GPD模型計算預期損失117 
8.3小結118 

第9章金融網絡120 
9.1金融網絡的表示、模擬和可視化120 
9.2網絡結構的分析和拓撲改變的檢查125 
9.3對系統風險的貢獻——系統重要性金融機構的識別131 
9.4小結133 
參考文獻135