基本无害的量化金融学(专硕教材)/余颖丰 首都经济贸易大学出版社 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

本书共分为十章，在对量化金融学的发展进行介绍，并对若干当下热门的金融学概念的“前世今生”进行了梳理的基础上，重点介绍了Python以及Matlab的编程的基本操作，并对衍生品的基础知识、金融数据的的基本统计特性、投资组合的基本原理、金融风险管理的基本原理以及固定收益证券（主要针对债券）的基本原理进行了回顾，结合Python或Matalb计算编程语言对传统计学知识进行了代码建模。提出了一种“一体化”

第一章 绪论

一、研究背景与问题的提出

二、研究框架

三、本书的主要特点

第二章 接近无害的量化金融学共识

一、概述

二、量化金融与相关学科之间的区别与联系

三、Q-type视角下的量化金融发展历史

四、P-type视角下的量化金融发展历史

五、间接影响量化金融发展的人物和事件

六、中国现阶段金融学学科发展的困局与简单思考

七、国外名校的量化金融专业课程设置对我国的启示

八、量化金融技能的基础知识储备

九、量化金融技能的中级进阶阶段

十、量化金融技能的高级研修阶段

本章小结

思考题

第三章 基本无害的编程人生

一、Python编程语言简介

二、Matlab与Python基本操作指南

三、Pandas基本使用指南

本章小结

思考题

第四章 接近无害的传统金融学专业基础知识

一、衍生品的基本逻辑

二、二叉树模型与风险中性的思想

三、其他常见的期权

四、金融数据的基本统计特性

五、波动率的种类

六、投资组合理论

七、金融风险管理与风险测度

八、涉及债券的基本数学知识

本章小结

思考题

第五章 接近无害的金融计量学

一、有效市场假说与三种新息的关系

二、与标准布朗运动相关的重要过程

三、伊藤定理(Ito-lemma)初探

四、波动聚凝与ARCH模型

五、不同的GARCH模型与参数估计初探

六、金融计量与量化金融案例汇总

本章小结

思考题

第六章 接近无害的金融数学与计算金融学

一、相关预备知识

二、几何布朗运动的基本特性

三、基本无害的金融数学入门

四、基本无害的中级期权定价理论

五、BSM期权定价公式与希腊字母

六、蒙特卡洛技术在BSM期权定价中的应用案例

七、对BSM期权定价公式的简单扩展

本章小结

思考题

第七章 接近无害的机器学习理论

一、从人工智能与科技金融说起

二、机器学习理论入门

三、一些必须知道的基础概念

本章小结

思考题

第八章 基本无害的当代计量经济学

一、基本无害计量与计量的功夫

二、选择性偏误与内生性问题

三、量化视角下的初级计量经济学

四、学习高级计量经济学的建议

本章小结

思考题

第九章 接近无害的“一体化”量化金融分析框架

一、传统计量经济学研究的局限

二、一个接近无害的“一体化”量化分析框架

本章小结

思考题

第十章 高级专业知识集锦

一、模拟技术与量化金融

二、状态空间与量化金融

三、美式期权定价中的数值问题

四、理性预期与模型的“意识”

本章小结

思考题

附录

参考文献

后记

金融学博士。在加拿大麦吉尔（McGill）大学获得计算机工程学学士和硕士学位，2013年从中国社会科学院研究生院博士毕业，获得金融学博士学位。

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：基本无害的量化金融学(专硕教材)/余颖丰 首都经济贸易大学出版社在线阅读

在线听书地址：基本无害的量化金融学(专硕教材)/余颖丰 首都经济贸易大学出版社在线收听

在线购买地址：基本无害的量化金融学(专硕教材)/余颖丰 首都经济贸易大学出版社在线购买

一般而言，机器学习理论包括三大理论支柱：监督学习理论（ supervise learing、无监督学习理论（ unsupervised learning）和强化学习理论 （ reinforcement learning。而统计学习理论主要讲投监督学习理论和无监督学习理论。因篇幅所限，本书仅介绍监督学习理论和无监督学习理论的常见算法。 ……

当然，本章还有一个目的，即以经管类科研人员视角向经管类师生介绍机器学习理论。毕竟，目前市面上介绍机器学习理论知识的图书多是以计算机相关专业为背景，其讲授机器学习理论的视角过于偏向于计算机科学、机器人科学，其是严重偏向于机器视觉学（ machine vision）、图像识别学、语义分析学，这些机器学习理论的应用场景对金融从业人员的启发和帮助并不是很大。

哪些概念是必须理解和掌握的呢？我们重点概括了一些最关也是最核心的概念，我们也会对这些概念做重点解释：监督学习理论、无监督学习理论、练集、测试集、交叉验、分类与回归以及过度拟合。

OLS就是最简单的监督学习模型。

简言之，如果被解释变量的取值是离散的，则这类模型在机器学习理论领域被称为分类问题；而如果被解释变量的取值是连续的，则我们在统计学上（不管是机器学习理论还是计量经济学），我们都称之为回归模型。机器学习理论最喜欢研究的问题是分类问题。或者说机器学习理论的科研人员喜欢研究分类问题胜过喜欢研究回归问题。而计量经济学的科研人员的研究视角则刚好相反。

、外，还需要强调的是，如何快速简单地识别出我们是在研究监督学习问

一定要记住，该模型的被解释变量，也就是模型的输出变量，一定和解释变量一起，以成对形式出现。

书籍介绍

本书共分为十章，在对量化金融学的发展进行介绍，并对若干当下热门的金融学概念的“前世今生”进行了梳理的基础上，重点介绍了Python以及Matlab的编程的基本操作，并对衍生品的基础知识、金融数据的的基本统计特性、投资组合的基本原理、金融风险管理的基本原理以及固定收益证券（主要针对债券）的基本原理进行了回顾，结合Python或Matalb计算编程语言对传统计学知识进行了代码建模。提出了一种“一体化”。