量化交易学习指南PDF电子书下载

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

1.10.1break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

4.11VGARCH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