☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

编辑推荐

　　

作者是R语言社区领袖，金融和大数据领域跨界专家，英文版和繁体版将在美国和中国台湾发行

从金融投资学理论、R语言数据处理、量化投资策略3个维度讲解如何将R语言技术应用于金融市场的实操，填补领域空白

内容简介

　　

本书是《R的极客理想》系列图书的第3本，前两本上市后不仅在国内取得了不俗的成绩，获得了良好的口碑，而且英文版被美国知名的出版集团CRC引进，在北美市场也获得了读者的热捧，本书的英文版和繁体版随后也会在美国和中国台湾发行。

　　前两本关注的是R语言技术本身，本书则更多关注R语言技术在金融投资和量化领域的应用，是当下的热门。本书填补了该领域的空白，而且作者是R语言和金融两个领域的跨界专家。
　　
　　

具体内容，全书逻辑上包含三个部分：

第一部分 金融市场与金融理论
　　包括中国金融二级市场大环境的介绍、交易工具的使用、金融产品的交易规则、策略和回测、基金会计、金融经典理论模型等金融行业的基础知识，以及用R语言做量化投资的思路和方法。
　　此外，还讲解了大量的统计知识，包括时间序列、一元线性回归、多元线性回归、自回归等统计和计量的模型算法。
　　第二部分 R语言数据处理与高性能计算
　　主要讲解了R语言与金融相结合的编程技术，如金融量化程序包的使用、金融数据处理、金融数据模型的构建，量化策略的实现思路，以及R语言处理各种类型的数据的方法和高性能计算等。
　　第三部分 金融策略实战
　　本书所涉及的金融产品包括股票、期货、债券、基金、现金管理等，跨越多个金融市场多种金融标的物。
　　此外，还介绍了金融市场中的多种交易模型和交易策略，包括基于市场技术指标的量价策略、基于统计理论的套利策略、基于金融产品规则的事件性策略、针对全市场扫描的选股策略，以及高频交易的择时策略。

作者简介

张 丹
资深R语言技术专家和布道者，国内R语言技术社区的领军人物之一。从事软件研发12年，有丰富的互联网应用架构经验，在Java、NodeJS、大数据、统计、数据挖掘算法等方面也有深厚的积累。
金融大数据专家，现为中国民生银行智能投顾项目负责人，熟悉金融二级市场、交易规则和投研体系。
获得10项SUN及IBM技术认证，2017年被微软评为MVP。多次在互联网和数据分析相关技术大会中担任演讲嘉宾，并参与教育部“中科曙光大数据百校工程”项目，为本科生大数据专业设计课程体系。
热衷分享，著有《R的极客理想——工具篇》《R的极客理想——高级开发篇》（英文版在美国同步发行），以及《数据实践之美》（合著）。
QQ群：383275651
个人博客：http://fens.me（Alexa全球排名70k）

精彩书评

　　

毫无疑问，R语言是量化投资中重要的策略开发工具，简单易用、功能强大，是众多宽客的必备知识，张丹的这本书是很不错的入门书，值得推荐。
　　——丁鹏（博士） 中国量化投资学会（CQIA）理事长
　　
　　自2010年股指期货推出以来，量化投资以卓越的风险控制能力吸引了众多投资者和从业者的目光。R语言作为量化投资中*常用的工具之一，在该领域拥有众多拥趸。张丹的这本书，适时地填补了量化投资与R语言相结合的空白，既可以作为教材，又可以作为查询手册，非常适合入门与提高。
　　——徐书楠　因诺资产董事长
　　
　　张丹的这本书，以中国金融二级市场为背景，理论与实战紧密结合，非常实用。 特别是书中介绍的Docker架构，为应用程序的自动化部署提供了解决方案。 我从这本书中学到了很多知识，强烈建议每个人都把这本书放在书架上，作为量化投资的必读之书。
　　——陈琪龙 华盛顿大学博士/铨智金融科技合伙人
　　
　　一个有效的量化投资策略，需要在“模型”“代码”“实证分析”三者之间反复地来回推敲。而如何打通这三者之间的关节，*简单的入门方法就是学习别人是怎么做的，再走出自己的路。本书为“道友”们打开了修行的门径。
　　——黄达 复旦大学管理学院统计学系

目录

序一

序二

前言

第一部分　金融市场与金融理论

第1章　金融市场概述 2

1.1　R语言为量化而生 2

1.1.1　为什么是R语言 3

1.1.2　跨界结合 4

1.1.3　R语言量化工具包 5

1.1.4　实战应用 6

1.1.5　量化交易平台系统架构 11

1.2　算法，如何改变命运 13

1.2.1　算法在各个行业的应用 14

1.2.2　投身于哪个行业好 15

1.2.3　金融最靠谱 15

1.3　FinTech金融领域的风口 18

1.3.1　大起大落 19

1.3.2　互联网已经在并购阶段 20

1.3.3　寻找好的行业风口 21

1.3.4　Gartner技术成熟曲线 21

1.3.5　FinTech金融领域的风口 22

1.4　国内量化投资工具介绍 23

1.4.1　量化交易概况工具 23

1.4.2　证券期货客户端 26

1.4.3　金融数据库 31

1.4.4　互联网在线策略平台 32

1.4.5　量化工具软件 34

1.4.6　API程序工具 36

1.5　国内低风险交易策略 37

1.5.1　企业债 37

1.5.2　可转债 39

1.5.3　逆回购和正回购 41

1.5.4　现金管理 42

1.5.5　分级基金A 43

1.5.6　期货 45

第2章　金融理论模型 46

2.1　R语言解读资本资产定价模型CAPM 46

2.1.1　故事背景 47

2.1.2　资本市场线 48

2.1.3　资本资产定价模型 52

2.1.4　用R构建投资组合模型 54

2.1.5　Beta VS Alpha 60

2.2　R语言解读一元线性回归模型 60

2.2.1　一元线性回归介绍 61

2.2.2　数据集和数学模型 62

2.2.3　回归参数估计 64

2.2.4　回归方程的显著性检验 66

2.2.5　残差分析和异常点检测 67

2.2.6　模型预测 71

2.3　R语言解读多元线性回归模型 72

2.3.1　多元线性回归介绍 73

2.3.2　多元线性回归建模 73

2.3.3　模型优化 78

2.3.4　案例：黑色系期货日K线数据验证 82

2.4　R语言解读自回归模型 85

2.4.1　自回归模型介绍 85

2.4.2　用R语言构建自回归模型 86

2.4.3　模型识别ACF/PACF 88

2.4.4　模型预测 92

第二部分　R语言数据处理与高性能计算

第3章　R语言数据处理 96

3.1　掌握R语言中的apply函数族 96

3.1.1　apply的家族函数 97

3.1.2　apply函数 98

3.1.3　lapply函数 101

3.1.4　sapply函数 102

3.1.5　vapply函数 104

3.1.6　mapply函数 105

3.1.7　tapply函数 106

3.1.8　rapply函数 108

3.1.9　eapply函数 109

3.2　超高性能数据处理包data.table 111

3.2.1　data.table包介绍 112

3.2.2　data.table包的使用 112

3.2.3　data.table包性能对比 121

3.3　R语言高效的管道操作magrittr 126

3.3.1　magrittr介绍 126

3.3.2　magrittr包的基本使用 127

3.3.3　magrittr包的扩展功能 132

3.4　R语言字符串处理包stringr 134

3.4.1　stringr介绍 135

3.4.2　stringr的API介绍 135

3.5　R语言中文分词包jiebaR 151

3.5.1　jiebaR包介绍 152

3.5.2　5分钟上手jiebaR 152

3.5.3　分词引擎 154

3.5.4　配置词典 156

3.5.5　停止词过滤 160

3.5.6　关键词提取 161

第4章　R语言高性能计算 164

4.1　OpenBlas让R的矩阵计算加速 164

4.1.1　OpenBlas介绍 165

4.1.2　R和OpenBlas的安装 165

4.1.3　让R语言加速 169

4.2　R语言跨界调用C++ 171

4.2.1　Rcpp的简单介绍 172

4.2.2　5分钟上手Rcpp 172

4.2.3　数据类型转换 176

4.3　当R语言遇上Docker 186

4.3.1　当R遇上Docker 187

4.3.2　用Docker来管理R的程序 188

第三部分　金融策略实战

第5章　债券和回购 196

5.1　了解国债 196

5.1.1　国债基本介绍 197

5.1.2　国债的意义 198

5.1.3　记账式国债 200

5.1.4　国债101308 200

5.1.5　国债的历史表现 202

5.2　企业债和企业债套利 205

5.2.1　什么是企业债？ 206

5.2.2　什么是公司债? 207

5.2.3　企业债和公司债的区别 209

5.2.4　企业债统计分析 209

5.2.5　企业债举例 213

5.2.6　企业债交易操作 214

5.3　可转债套利实践 216

5.3.1　可转债介绍 216

5.3.2　可转债操作 218

5.3.3　负溢价率套利策略 219

5.4　金融无风险交易工具逆回购 231

5.4.1　逆回购简单介绍 231

5.4.2　逆回购的品种有哪些？ 232

5.4.3　逆回购交易 233

5.4.4　正回购操作 236

5.4.5　央行的公开市场操作 237

第6章　量化投资策略案例 241

6.1　均值回归，逆市中的投资机会 241

6.1.1　均值回归原理 242

6.1.2　均值回归模型和实现 245

6.1.3　量化选股 257

6.2　R语言构建追涨杀跌量化交易模型 262

6.2.1　什么是追涨杀跌 262

6.2.2　追涨杀跌的建模和实现 265

6.2.3　模型优化 275

6.3　R语言构建配对交易量化模型 279

6.3.1　什么是配对交易 279

6.3.2　配对交易的模型 280

6.3.3　用R语言实现配对交易 284

6.4　基金会计系统设计和实现 293

6.4.1　基金会计系统介绍 294

6.4.2　资产核算 300

6.4.3　净值份额核算 300

6.4.4　计算案例 305

6.4.5　会计系统架构 307

6.5　用数据解读摩羯智投 313

6.5.1　摩羯智投介绍 313

6.5.2　数据收集 315

6.5.3　数据建模分析 317

6.5.4　结论 328

结束语 329

附录A　Docker环境安装 330

精彩书摘

　　《R的极客理想：量化投资篇》：2.配对交易操作方法
　　1）组合筛选：在市场上寻找用于配对的金融产品或者组合，检查历史价格的走势，判断是否可以用来进行配对。主要用下面几个指标来筛选配对组合：相关系数、模型计算的均值回复速度、协整检验、基本面因素等。通过这些指标来寻找出具有稳定相关关系的组合。
　　2）风险衡量和动态组合的构建：计算配对组合各自的预期收益、预期风险、交易成本；判断两个组合之间的价差服从何种分布；判断是具有长期均衡特性还是短期均衡特性；价差发生跳跃的频率等。
　　3）确定交易规则：根据价差的特性，确定交易的频率（高频交易还是低频交易），交易的触发条件和平仓规则等。
　　4）执行交易及风险控制：除了按照交易规则执行外，还必须动态跟踪价差走势，如果发现突变，应该及时调整套利模式和交易频率。
　　3.配对交易缺点
　　统计套利的规则都是基于历史数据计算的，但历史不能代表未来，当市场发生变化模型也会失效。
　　市场对价格进行修复的时间难以准确判断，只能根据历史大致估计。如果回归的时间过长，对套利者的资金使用成本是个考验，并有可能导致套利失败。
　　6.3.2配对交易的模型
　　根据配对交易的原理，我们就可以自己设计配对交易的模型了。首先，需要对配对交易涉及的指标进行量化，比如如何选择不同的两个具备均衡关系金融产品，什么时候做多，什么时候做空，什么时候平仓等。
　　……

前言/序言

Foreword 序　　一

这是一本以中国金融二级市场为背景，理论与实战紧密结合的书籍，实用性非常强，是量化投资必读之书。

我是通过阅读张丹的博客——“R的极客理想”的系列文章而与他结缘。精炼的R语言编程风格，让我看到了一个极客对于技术的不懈追求。我买了他的两本书，《R的极客理想——工具篇》和《R的极客理想——高级开发篇》，后来我们进行了邮件交流，并通过电话深入地讨论了一些量化交易的问题。随后一直保持联系，也在筹划一起做全球市场的量化交易。我可以感觉到他是一个有想法的年轻人，愿意和他人分享知识，并且有非常扎实的跨学科知识积累和中国金融市场的交易经验。

本书涵盖了几个主题，包括金融市场与金融理论、R语言数据处理与高性能计算、金融策略实战、量化投资策略案例。

以下是我认为对大家非常有帮助的知识点：

R语言数据处理和调用C++的章节，对于提升R的性能是非常有用的。

Docker架构现在在金融业非常受欢迎，书中介绍的Docker的用法，为应用程序的自动化部署提供了解决方案。

可转债交易监控系统，是使用R语言的一个很好的例子，它提供了一个原型的建模方法，按照这个思路可以扩展到对一般债券交易建立模型。

均衡回归和追涨杀跌的量化交易模型，是量化交易的关键要素，每个人都应该知道它的原理。

基金会系统的设计和实现，对于资金运作和持仓管理非常有用。

坦白说，在一本书中，能够提供如此多解决实际问题的方法，是很少见的。我也从这本书中学到了很多东西，强烈建议每个人都把这本书放在自己的书架上，作为量化投资必读之书。

陈琪龙　华盛顿大学博士

铨智金融科技合伙人（www.quanffett.com）

序　　二Foreword

作为金融统计学科的老师，经常有学生兴冲冲地跑上门来问我如何通过金融统计赚钱，我总是回答他们：如果我会这个，我早就辞职发财去了！于是大家哈哈一笑。

学习金融、统计、数学、计量能不能赚钱？我想大概是能的，否则也不会有文艺复兴这样的公司和James Simons这样的大神了。

本书到底可以带给读者什么呢？是知识，堪比真金白银的知识。

首先，是金融量化的基础知识。你可以从本书第一部分学习到金融量化的基础知识和金融市场的交易规则。书中深入浅出地剖析了资本资产的定价模型，并将R语言与金融市场相结合，对于金融初学者来说，是入门的精品书籍。

其次，是掌握并运用工具的知识。不管是想通过数据分析发财的，还是像我这样准备写几篇论文的，要进入这一领域，最基本的要求就是能够“玩得动”数据。金融数据以海量著称，动辄就是GB、TB的数据量。如何高效地处理大规模的数据，就成了数据分析从业人员的基本功。本书第二部分，就是针对“效率”而作。第3章对R语言中常见的数据操作进行整理和归纳，得到一套高效数据处理方法。第4章讲解了如何通过使用第三方软件大幅提升R语言的计算效率。至于R语言的专业知识，请参见作者的另外两本著作《R的极客理想——工具篇》和《R的极客理想——高级开发篇》。

最后，让技术落地，通过市场来检验投资方法的正确性。本书第三部分，教读者如何编写交易策略，并让市场来检验交易策略的有效性。跟着书中的4个实践案例来操作，相信读者很快就能掌握金融建模的方法，以及对应的R语言代码。之后，你就可以大胆地试验自己的投资想法是否有效了。

黄达

复旦大学管理学院统计学系

Preface前　　言

为什么要写这本书

本书是《R的极客理想》系列丛书的第三本，是将R语言与金融量化投资相结合的一本书。本书主要的写作目的是把R语言的技术和实际的金融量化案例结合起来，让读者能切身体会如何把知识变成真正的生产力。

传统的交易员凭借多年的交易训练，每日人工盯盘，观察市场的变化。一个好的交易员，可以同时观测几个金融市场的几十个交易品种。随着金融产品的发展，中国市场A股股票已经达到3000多支，债券有7000多支，公募基金接近4000支，还有多种金融衍生品。如此大量的金融产品，已经不能依靠个人之力消化和分析了。

通过计算机对全市场进行扫描，从而发现不合理的定价和交易机会，这样可以极大地提高交易员的工作效率。一种理想化的设计是让程序来为我们赚钱，而我们就可以去做自己喜欢的事情了。也就是说，让技术变现，解放我们的生活。

本书中的原创观点和方法，都是基于理论研究和实践的成果。实际上，长久以来我也在找这样一本书，能够把书本上的理论模型与实际业务相结合，但并没有找到，或者并没有符合中国市场的实际案例应用，所以只能自己动手写一本。本书有点像自己的笔记，我也会经常翻看，让自己的头脑始终保持思路清晰。

本书的主要特色

本书撰写的主要思路是从IT人的角度，通过技术来切入金融市场，进行量化投资。发挥IT人专注学习、乐于分享的精神，借助互联网快速传播知识，打破传统的金融壁垒。发挥“极客”的创造力，让知识变成生产力，让更多有理想的IT人，能够有机会进入金融行业，推动金融行业的改革和创新。

但这不是一本简单易懂的书，因为量化投资是跨学科的领域。你需要有多学科的知识储备，才能胜任量化投资的工作。要理解和掌握本书的相关内容，可能需要多本书籍的相关知识做支撑。

R的极客理想：量化投资篇 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价