“量化之王”數(shù)學(xué)家西蒙斯領(lǐng)導(dǎo)的復(fù)興科技公司旗下規(guī)模為50億美金的大獎(jiǎng)?wù)禄鹪?988—2008年創(chuàng)造了年均收益超過(guò)35％的奇跡。不僅于此，該基金面對(duì)多次金融危機(jī)和政策波動(dòng)都有杰出的表現(xiàn)：1994年，美聯(lián)儲(chǔ)連續(xù)6次加息，它凈賺了71％；2000年科技股股災(zāi)，標(biāo)普指數(shù)下跌了10％，它更是大獲豐收，凈回報(bào)98.5％；2008年，全球金融危機(jī)，各類資產(chǎn)價(jià)格下滑，大部分對(duì)沖基金都虧損，而它賺了80％。
劉振亞、鄧?yán)谥骶幍摹督饷軓?fù)興科技：基于隱蔽馬爾科夫模型的時(shí)序分析方法》從介紹復(fù)興科技公司著手，深入介紹了HMM模型參數(shù)估計(jì)、預(yù)測(cè)與解碼問(wèn)題、隱蔽狀態(tài)的估計(jì)問(wèn)題、模型選擇和模型檢驗(yàn)、序列不相關(guān)和自相關(guān)的馬爾科夫狀態(tài)轉(zhuǎn)換模型，以及MS-AR模型的估計(jì)方法等問(wèn)題，并給出了將HMM模型應(yīng)用于宏觀經(jīng)濟(jì)分析和股市波動(dòng)分析的實(shí)例。
作者簡(jiǎn)介：
劉振亞，現(xiàn)為中國(guó)人民大學(xué)財(cái)金學(xué)院和英國(guó)伯明翰大學(xué)教授，博士生導(dǎo)師，摩根大通期貨有限公司（JPMorganFutures）董事，全球最大管理期貨（CTA）WintonCapitaI中國(guó)最早的合作者。劉振亞教授在金融計(jì)量、量化投資、宏觀經(jīng)濟(jì)等領(lǐng)域有著深入的研究，從1991年以來(lái)已出版多本專業(yè)著作，并在《ChinaEconomicReview》《世界經(jīng)濟(jì)》等國(guó)內(nèi)外一流雜志發(fā)表多篇文童。鄧?yán)�，現(xiàn)為北京工商大學(xué)講師，中國(guó)人民大學(xué)碩士、博士，美國(guó)加州大學(xué)圣地亞哥分校（UCSD）訪問(wèn)學(xué)者。研究領(lǐng)域包括金融計(jì)量學(xué)、金融統(tǒng)計(jì)學(xué)、DSGE宏觀經(jīng)濟(jì)模型等。對(duì)線性和非線性以及參數(shù)和非參數(shù)HMM，在模型設(shè)置和解法等方面有著較為深入的研究。
目錄：
前言
引言解密復(fù)興科技
第一節(jié)西蒙斯與復(fù)興科技
第二節(jié)復(fù)興科技中的元老們
第三節(jié)復(fù)興科技中的主要研究方法
第四節(jié)什么是HMM？
第五節(jié)HMM舉例
第六節(jié)股價(jià)收益分布與HMM
第七節(jié)HMM與交易策略設(shè)計(jì)
第八節(jié)基于HMM的交易策略
第九節(jié)交易策略的評(píng)價(jià)問(wèn)題
第十節(jié)科技與投資
第十一節(jié)復(fù)興科技的核心競(jìng)爭(zhēng)力
第一部分基礎(chǔ)知識(shí)
第一章極大似然估計(jì)法簡(jiǎn)介前言
引言解密復(fù)興科技
第一節(jié)西蒙斯與復(fù)興科技
第二節(jié)復(fù)興科技中的元老們
第三節(jié)復(fù)興科技中的主要研究方法
第四節(jié)什么是HMM？
第五節(jié)HMM舉例
第六節(jié)股價(jià)收益分布與HMM
第七節(jié)HMM與交易策略設(shè)計(jì)
第八節(jié)基于HMM的交易策略
第九節(jié)交易策略的評(píng)價(jià)問(wèn)題
第十節(jié)科技與投資
第十一節(jié)復(fù)興科技的核心競(jìng)爭(zhēng)力
第一部分基礎(chǔ)知識(shí)
第一章極大似然估計(jì)法簡(jiǎn)介
第一節(jié)線性模型的極大似然估計(jì)量
第二節(jié)極大似然估計(jì)法的幾個(gè)重點(diǎn)問(wèn)題
第二章貝葉斯分析
第一節(jié)統(tǒng)計(jì)學(xué)歷史發(fā)展簡(jiǎn)介
第二節(jié)貝葉斯分析簡(jiǎn)介
第三章馬爾科夫鏈
第一節(jié)有兩種狀態(tài)的馬爾科夫鏈
第二節(jié)轉(zhuǎn)移函數(shù)和初始分布
第三節(jié)馬爾科夫鏈的一些性質(zhì)
第四節(jié)轉(zhuǎn)移矩陣的估計(jì)問(wèn)題
第二部分隱蔽馬爾科夫模型
第四章混合分布和隱蔽馬爾科夫模型
第一節(jié)狀態(tài)序列相互獨(dú)立的混合分布模型
第二節(jié)狀態(tài)相互獨(dú)立混合分布的參數(shù)估計(jì)
第三節(jié)簡(jiǎn)單隱蔽馬爾科夫模型
第四節(jié)隱蔽馬爾科夫模型的極大似然函數(shù)
第五章隱蔽馬爾科夫模型似然函數(shù)估計(jì)方法
第一節(jié)數(shù)值算法
第二節(jié)EM算法
第六章隱蔽馬爾科夫模型應(yīng)用與模型選擇
第一節(jié)條件分布
第二節(jié)預(yù)測(cè)分布
第三節(jié)解碼
第四節(jié)狀態(tài)預(yù)測(cè)
第五節(jié)模型選擇標(biāo)準(zhǔn)
第三部分馬爾科夫狀態(tài)轉(zhuǎn)換模型
第七章序列不相關(guān)數(shù)據(jù)的馬爾科夫狀態(tài)轉(zhuǎn)換模型
第一節(jié)序列不相關(guān)狀態(tài)相互獨(dú)立的轉(zhuǎn)換模型
第二節(jié)序列不相關(guān)馬爾科夫狀態(tài)轉(zhuǎn)換模型
第八章序列自相關(guān)的馬爾科夫狀態(tài)轉(zhuǎn)換模型
第一節(jié)序列自相關(guān)狀態(tài)可觀測(cè)的馬爾科夫狀態(tài)轉(zhuǎn)換模型
第二節(jié)序列自相關(guān)和狀態(tài)不可觀測(cè)的馬爾科夫狀態(tài)轉(zhuǎn)換模型
第三節(jié)濾波過(guò)程
第四節(jié)平滑過(guò)程
第五節(jié)馬爾科夫轉(zhuǎn)換模型中的St狀態(tài)的持續(xù)期
第九章MS-AR模型的估計(jì)方法
第一節(jié)MS-AR模型參數(shù)估計(jì)初步
第二節(jié)MS-AR模型參數(shù)的EM算法
第三節(jié)MS-AR（1）模型的詳細(xì)計(jì)算過(guò)程：Excel應(yīng)用
第四部分HMM和MS-AR模型應(yīng)用
第十章MS-AR模型在宏觀分經(jīng)濟(jì)析中的應(yīng)用
第一節(jié)簡(jiǎn)單MS-AR（1）經(jīng)濟(jì)波動(dòng)模型
第二節(jié)Hamiltion（1989）和Kim，Nelson（1999）MS-AR（4）經(jīng)濟(jì)的波動(dòng)模型
第三節(jié)Kim，Nelson（1999）加入虛擬變量的MS-AR（4）模型
第十一章HMM和SWARCH模型在股市中的應(yīng)用
第一節(jié)股指收益率與HMM
第二節(jié)股指波動(dòng)性與SWARCH模型
參考文獻(xiàn)
|
