量化金融R语言高级教程

R语言是数据处理的绝佳工具，将R语言引入金融定量分析可以更好地优化分析过程，高效获取分析结果。
本书是量化金融领域的R语言学习指南，通过阅读本书，读者可以了解核心的R语言建模技巧，掌握量化金融的关键技术。 

R语言是用于统计分析、绘图的语言和操作环境，是属于GNU系统的一个自由、免费、源代码开放的软件。它是一个用于统计计算和统计制图的强大工具。
量化金融R语言高级教程通过13章的内容向读者详细介绍了使用R语言实现量化金融的方方面面。本书包括实证金融（第1～4章）、金融工程（第5～7章）、交易策略优化（第8～10章）和银行管理（第10～13章）等主题。
量化金融R语言高级教程的目标读者是那些既熟悉基本金融概念又具有一定编程能力的人。通过阅读本书，读者可以了解R语言与量化金融相关的各类知识和编程技巧。

第1章　时间序列分析　1
1.1　多元时间序列分析　1
1.1.1　协整　2
1.1.2　向量自回归模型　5
1.1.3　协整VAR和VECM　12
1.2　波动率建模　15
1.2.1　通过rugarch包进行GARCH建模　19
1.2.2　模拟和预测　25
1.3　小结　26
1.4　参考文献　26
第2章　因素模型　28
2.1　套利定价理论　28
2.1.1　实现APT　30
2.1.2　Fama-French三因素模型　30
2.2　在R中建模　31
2.2.1　数据选择　31
2.2.2　通过主成分分析估计APT　33
2.2.3　Fama-French模型估计　35
2.3　小结　42
2.4　参考文献　43
第3章　成交量预测　44
3.1　动机　44
3.2　交易强度　45
3.3　成交量预测模型　46
3.4　R的实现　47
3.4.1　数据　48
3.4.2　载入数据　49
3.4.3　季节成分　51
3.4.4　AR(1)的估计和预测　53
3.4.5　SETAR的估计和预测　54
3.4.6　结果解释　55
3.5　小结　57
3.6　参考文献　58
第4章　大数据—高级分析　59
4.1　由开放资源获取数据　59
4.2　R大数据分析入门　63
4.3　大数据上的K-均值聚类　64
4.3.1　载入大矩阵　65
4.3.2　大数据K-均值聚类分析　66
4.4　大数据线性回归分析　68
4.4.1　载入大数据　69
4.4.2　在大型数据上拟合线性回归模型　70
4.5　小结　70
4.6　参考文献　71
第5章　FX衍生品　72
5.1　术语和记号　72
5.2　货币期权　74
5.3　交换期权　77
5.3.1　二维维纳过程　78
5.3.2　Margrabe公式　80
5.3.3　在R中应用　82
5.4　quanto期权　86
5.4.1　看涨quanto的定价公式　86
5.4.2　在R中对看涨quanto定价　88
5.5　小结　89
5.6　参考文献　89
第6章　利率衍生品和模型　90
6.1　Black模型　90
6.2　Vasicek模型　95
6.3　Cox-Ingersoll-Ross模型　101
6.4　利率模型的参数估计　103
6.5　使用SMFI5包　105
6.6　小结　106
6.7　参考文献　106
第7章　奇异期权　107
7.1　一般定价方法　107
7.2　动态对冲的作用　108
7.3　R如何发挥巨大作用　108
7.4　超越香草期权的概述　109
7.5　希腊字母——返回香草世界的链接　114
7.6　对Double-no-touch期权定价　116
7.7　对Double-no-touch定价的另一种方法　125
7.8　Double-no-touch期权的有效期——一个模拟　126
7.9　嵌入结构产品的奇异期权　133
7.10　小结　137
7.11　参考文献　138
第8章　对冲　139
8.1　衍生品的对冲　139
8.1.1　衍生品的市场风险　140
8.1.2　静态delta对冲　140
8.1.3　动态delta对冲　141
8.1.4　比较delta对冲的表现　145
8.2　交易成本存在下的对冲　149
8.2.1　对冲化　151
8.2.2　交易成本情形下的对冲　152
8.2.3　相对对冲成本情形下的对冲　154
8.3　进一步扩展　155
8.4　小结　156
8.5　参考文献　156
第9章　基本面分析　157
9.1　基本面分析基础　157
9.2　收集数据　158
9.3　揭示联系　162
9.4　引入多重变量　163
9.5　区分投资目标　164
9.6　设置分类规则　169
9.7　回测　170
9.8　特定行业投资　174
9.9　小结　177
9.10　参考文献　178
第10章　技术分析、神经网络和对数优化组合　179
10.1　市场有效性　179
10.2　技术分析　180
10.2.1　技术分析工具箱　181
10.2.2　市场　181
10.2.3　绘制图形—比特币　182
10.2.4　内置的指标　185
10.2.5　K线模式：关键反转　187
10.2.6　评估信号和管理头寸　190
10.2.7　关于资金管理的一句话　192
10.2.8　小结　193
10.3　神经网络　193
10.3.1　预测比特币价格　195
10.3.2　策略评价　198
10.4　对数优化组合　199
10.4.1　普遍一致、非参数的投资策略　199
10.4.2　策略的评价　203
10.5　小结　203
10.6　参考文献　203
第11章　资产和负债管理　205
11.1　数据准备　206
11.1.1　数据源的初印象　207
11.1.2　现金流生成器函数　209
11.1.3　准备现金流　211
11.2　利率风险度量　213
11.3　流动性风险度量　216
11.4　无到期日存款的建模　218
11.4.1　贷款利率发展的模型　218
11.4.2　无到期日存款的静态复制　222
11.5　小结　225
11.6　参考文献　226
第12章　资本充足率　227
12.1　巴塞尔协议的原则　227
12.1.1　巴塞尔I　228
12.1.2　巴塞尔II　228
12.1.3　巴塞尔Ⅲ　231
12.2　风险度量　233
12.2.1　解析VaR　235
12.2.2　历史VaR　236
12.2.3　蒙特卡洛模拟　236
12.3　风险分类　238
12.3.1　市场风险　238
12.3.2　信用风险　243
12.3.3　操作风险　247
12.4　小结　249
12.5　参考文献　249
第13章　系统风险　251
13.1　果壳中的系统风险　251
13.2　案例所用的数据集　252
13.3　核心-边缘分解　254
13.3.1　R中的实现　256
13.3.2　结果　257
13.4　模拟方法　258
13.4.1　模拟　258
13.4.2　在R中实现　259
13.4.3　结果　261
13.5　可能的解释和建议　264
13.6　小结　265
13.7　参考文献　265