《计算金融》分为九章。首章是绪论,对重要的概念进行了界定,对于计算金融的历史沿革、现状进行了介绍。第二章和第三章构成了《计算金融》内容中的金融计量学部分,主要聚焦于时间序列类型的数据。其中,第二章介绍了传统的ARMA模型,在此基础上引入GARCH模型对其做出修正;第三章则分别介绍了人工神经网络、相空间重构和小波方法,基本涵盖了近年来这个领域较为前沿的研究方法。第四章、第五章和第六章构成了《计算金融》的金融衍生品定价部分,以期权作为例子。其中,第四章提出了连续时间情形中期权定价模型的建立;第五章则给出了数值求解方法;第六章讲述了以二项式模型为代表的离散型方法,以及离散模型和连续模型之间的关系。第七章介绍了Monte-Carlo方法,这种方法作为现代金融业风险管理工作中非常重要的方法之一,有必要向读者介绍,《计算金融》从理论到修正方案都对其做了讲述。第八章和第九章是《计算金融》的风险管理部分。其中,第八章从均值一方差模型、资本资产定价模型、VaR模型几个重要模型出发,介绍了一般意义上的金融风险管理。第九章从复杂网络的视角出发,给出了系统性风险测度的一些方法。
《计算金融》作为“计算金融”这门课程的配套教材,给出了大量的算例,有助于读者理解对应的理论。
《计算金融》的内容适合于本科生和硕士研究生相关课程的教学。
计算金融属于交叉学科。金融业一经诞生,就伴随有计算,只是在金融发展的不同阶段,计算在其中的地位和发挥的作用经历了从简单到复杂、从初级到高级的过程。2008年至今,笔者承担“计算金融”课程的教学任务已经十年有余,在备课和研究的过程中深切感受到,近现代金融业实务和金融业教育涉及大量的数学、物理、信息科学和技术等知识,因此非常有必要向金融专业的读者介绍这方面的相关知识、理论和模型,这也是笔者撰写本书的初衷所在。
本书分为九章。第一章是绪论,对重要的概念进行了界定,对于计算金融的历史沿革、现状进行了介绍。第二章和第三章构成了本书内容中的金融计量学部分,主要聚焦于时间序列类型的数据。其中,第二章介绍了传统的ARMA模型,在此基础上引入GARCH模型对其做出修正;第三章则分别介绍了人工神经网络、相空间重构和小波方法,基本涵盖了近年来这个领域较为前沿的研究方法。第四章、第五章和第六章构成了本书的金融衍生品定价部分,以期权作为例子。其中,第四章提出了连续时间情形中期权定价模型的建立;第五章则给出了数值求解方法;第六章讲述了以二项式模型为代表的离散型方法,以及离散模型和连续模型之间的关系。第七章介绍了Monte-Carlo方法,这种方法作为现代金融业风险管理工作中最重要的方法之一,有必要向读者介绍,本书从理论到修正方案都对其做了讲述。第八章和第九章是本书的风险管理部分。其中,第八章从均值一方差模型、资本资产定价模型、VaR模型几个重要模型出发,介绍了一般意义上的金融风险管理。第九章从复杂网络的视角出发,给出了系统性风险测度的一些方法。
本书作为“计算金融”这门课程的配套教材,给出了大量的算例,有助于读者理解对应的理论。本书的内容适合于本科生和硕士研究生相关课程的教学。如果遇到学时不足的情况,我们可以对讲授内容适当做出取舍。
在本书的编写过程中,笔者的学生们给予了在案例的编写等方面的大量的协助,特别是张冬忆和肖艺强,在此对他们表示诚挚的感谢。因为涉及的人较多且时间的跨度较长,这里就不一一列出姓名了。
本书虽做了大量的系统性研究,但仍存在一些问题有待我们深入探讨,疏漏之处在所难免,恳请广大读者批评指正。最后,笔者要对长期理解和支持自己的家人表示感谢!
第一章 绪论
第一节 概念界定
第二节 历史沿革、现状及内容安排
第二章 金融时间序列:传统方法
第一节 ARMA模型
一、原理
二、模型的识别与定阶
三、计算实例:ARMA模型预测股价
第二节 GARCH模型
一、原理
二、计算实例
第三章 金融时间序列:非传统方法
第一节 人工神经网络
一、原理
二、实例
第二节 相空间重构
一、混沌时间序列数据及其特征
二、预测科学的反思
三、相空间重构
第三节 小波方法
一、原理
二、买例:沪深300指数
第四章 期权定价的连续模型
第一节 基础知识
一、期权和期权定价
二、Brown运动和伊藤引理
第二节 Black-Scholes方程
一、Black-Scholes方程的重要性
二、Black-Scholes方程的建立
第三节 Black-Scholes方程的解析求解
一、偏微分方程的类型
二、Black-Scholes方程的结构和风险管理参数
三、Black-Scholes方程的解析求解
……
第五章 Black-Scholes方程的数值求解
第六章 期权定价的离散模型
第七章 Monte-Carlo方法
第八章 风险管理(I)——微观视角
第九章 风险管理(II)——宏观视角
参考文献