量化交易学习指南——基于R语言

图书目录:

第 1章 R语言入门 1

1.1 为什么要用R 1

1.2 下载并安装R软件 2

1.3 安装R程序包 3

1.3.1 直接从CRAN安装 3

1.3.2 手动安装 4

1.4 数据类型 4

1.4.1 向量 5

1.4.2 列表 6

1.4.3 矩阵 7

1.4.4 数组 7

1.4.5 因子 7

1.4.6 数据框 8

1.5 导入和输出不同类型的数据 8

1.5.1 读取和存储CSV格式文档 9

1.5.2 XLSX文档 10

1.5.3 网络数据或在线数据资源 11

1.5.4 数据库 12

1.6 编写表达式 13

1.6.1 表达式 13

1.6.2 符号和赋值 15

1.6.3 关键词 15

1.6.4 变量命名 15

1.7 函数 16

1.7.1 调用函数（无需参数） 17

1.7.2 调用函数（需要参数） 17

1.8 如何执行R程序 18

1.8.1 在R代码窗中运行存盘的脚本文档 18

1.8.2 加载R脚本文档 18

1.9 循环与条件 19

1.9.1 if语句 19

1.9.2 if … else语句 20

1.9.3 for循环 20

1.9.4 while循环 21

1.9.5 apply()函数 21

1.9.6 sapply()函数 21

1.10 循环控制语句 22

1.10.1 break语句 22

1.10.2 next语句 22

1.11 问题 23

1.12 小结 23

第 2章 统计建模 25

2.1 概率分布 25

2.1.1 正态分布 26

2.1.2 对数正态分布 28

2.1.3 泊松分布 30

2.1.4 均匀分布 31

2.1.5 极值理论 31

2.2 抽样 33

2.2.1 随机抽样 33

2.2.2 分层抽样 35

2.3 统计量 36

2.3.1 均值 36

2.3.2 中位数 36

2.3.3 众数 36

2.3.4 概览 37

2.3.5 矩 37

2.3.6 峰度 37

2.3.7 偏度 38

2.4 相关性 38

2.4.1 自相关性 38

2.4.2 偏自相关性 39

2.4.3 交叉相关性 40

2.5 假设检验 40

2.5.1 总体均值的下侧单尾检验（方差已知） 40

2.5.2 总体均值的上侧单尾检验（方差已知） 41

2.5.3 总体均值的双尾检验（方差已知） 42

2.5.4 总体均值的下侧单尾检验（方差未知） 43

2.5.5 总体均值的上侧单尾检验（方差未知） 44

2.5.6 总体均值的双尾检验（方差未知） 44

2.6 参数估计 45

2.6.1 极大似然估计 45

2.6.2 线性模型 47

2.7 异常值侦测 48

2.7.1 箱形图 48

2.7.2 LOF算法 48

2.8 标准化 49

2.9 归一化 50

2.10 问题 50

2.11 小结 51

第3章 计量分析与小波分析 52

3.1 简单线性回归 53

3.1.1 散点图 53

3.1.2 可决系数 55

3.1.3 显著性检验 55

3.1.4 置信区间 56

3.1.5 残差图 56

3.1.6 误差项正态分布 57

3.2 多元线性回归 58

3.2.1 可决系数 59

3.2.2 置信区间 60

3.2.3 多重共线性 60

3.3 ANOVA 60

3.4 特征选择 61

3.4.1 考察相关系数矩阵 62

3.4.2 逐步法变量选择 63

3.4.3 用分类技术进行变量选择 63

3.4.4 变量排序 64

3.5 小波分析 64

3.6 快速傅里叶变换 70

3.7 希尔伯特变换 71

3.8 问题 73

3.9 小结 74

第4章 时间序列建模 75

4.1 时间序列概述 76

4.2 将数据转化为时间序列 76

4.3 zoo包 78

4.3.1 构建zoo对象 78

4.3.2 用zoo包读入外部数据 79

4.3.3 zoo对象的优点 79

4.3.4 zoo对象的缺点 81

4.4 xts包 81

4.4.1 调用as.xts()构建xts对象 81

4.4.2 从头开始构建xts对象 82

4.5 线性过滤器 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 动态条件相关性模型 94

4.13 问题 96

4.14 小结 96

第5章 算法交易 97

5.1 动量或方向性交易 98

5.2 配对交易 106

5.2.1 基于距离的配对交易 106

5.2.2 基于相关性的配对交易 112

5.2.3 基于协整关系的配对交易 115

5.3 资本资产定价模型 118

5.4 多因子模型 120

5.5 构建投资组合 126

5.6 问题 130

5.7 小结 130

第6章 基于机器学习的交易 131

6.1 逻辑回归 132

6.2 神经网络 138

6.3 深度神经网络 146

6.4 K均值算法 148

6.5 K近邻法 151

6.6 支持向量机 154

6.7 决策树 156

6.8 随机森林 157

6.9 问题 160

6.10 小结 161

第7章 风险管理 162

7.1 市场风险 162

7.2 投资组合风险 164

7.3 风险值 167

7.3.1 参数VaR 167

7.3.2 历史VaR 168

7.4 蒙特卡罗模拟 170

7.5 风险对冲 171

7.6 巴塞尔监管 172

7.7 信用风险 173

7.8 欺诈识别 177

7.9 负债管理 180

7.10 问题 180

7.11 小结 181

第8章 最优化 182

8.1 动态再平衡 182

8.2 前行测试 185

8.3 网格测试 185

8.4 遗传算法 188

8.5 问题 192

8.6 小结 192

第9章 衍生品定价 193

9.1 期权定价 193

9.1.1 Black-Scholes模型 194

9.1.2 Cox-Ross-Rubinstein模型 195

9.1.3 希腊字母 198

9.2 隐含波动率 200

9.3 债券定价 201

9.4 信用利差 204

9.5 信用违约互换 207

9.6 利率衍生品 208

9.7 奇异期权 209

9.8 问题 213

9.9 小结 213