内容简介
金融风险管理已经成为各个金融机构的职能部门，是随着全球金融一体化的不断发展与深入，金融风险管理越发重要，也日趋复杂。金融风险管理师（Financial Risk Manager, FRM）认证考试是在这个大背景下推出的，FRM考试现在已经是金融风险管理领域的认证考试。本丛书以FRM考试、二级考纲内容为中心，并且突出介绍在实际工作中所必需的金融建模风险管理知识。本丛书将金融风险建模知识和MATLAB编程有机地结合在一起，配合丰富的彩色图表，由浅入深地将各种金融概念和计算结果可视化，帮助读者理解金融风险建模核心知识，提高数学和编程。 本书是本丛书的第五本，共分12章。第1章是本丛书第三本第11章时间序列的姊妹章，介绍多重共线、岭回归、Lasso回归，以及协整和向量误差修正模型。第2章延续本丛书第三本第9、第10两章，继续探讨蒙特卡罗模拟中的跳跃过程和拟蒙特卡罗模拟，本章后给出一个模拟投资组合VaR值的案例分析。第3章和第4章，分别介绍利率模型及波动率模型与校准；的是，这两章内容和衍生品定价紧密联系。第5章详细介绍对手风险中信用敞口、信用指标模拟计算，以及如何规避对手信用风险及信用价值调整；本章后探讨错向风险。第6章介绍股票技术分析，其括图、股价绘图、成交量图以及各种震荡指标等。第7、第8两章衔接本丛书第四本第8～10章，继续探讨投资组合优化问题。其中，第7章介均离差和风险价值两种风险指标以及信息比率和风险规避，本章后介绍Black Litterman模型；第8章主要介绍风险贡献、风险预算，并且基于此介绍风价和层次风价两种重要的资产配置策略，后比较几种常见的投资策略。第9章介绍因素投资，其括单因子模型、双因子模型、多因子模型，以及主成分分析模型。第10～12章集中介绍Fintech常见的机器学，其括经典的监督和非监督算法，以及神经网络算法。 本书适合所有金融从业者阅读，适合金融编程零基础读者参考学适合作为FRM考生的备考参考学以帮助FRM持证者实践金融建模；还是巩固金融知识、应对金融风险管理岗位笔试、面试的利器。
目录
第1章 时间序列Ⅱ 1.1 多重共线 1.2 岭回归 1.3 Lasso回归 1.4 协整 1.5 向量误差修正模型第2章 蒙特卡罗模拟Ⅲ 2.1 跳跃过程 2.2 拟蒙特卡罗模拟 2.3 模拟投资组合VaR第3章 利率模型与校准 3.1 利率衍生品 3.2 利率模型 3.3 模型校准 3.4 利率三r/>第4章 波动率模型与校准 4.1 隐含波动率 4.2 Heston波动率模型 4.3 局部波动率模型 4.4 SABR波动率模型第5章 交易对手信用风险 5.1 交易对手信用风险 5.2 信用敞口 5.3 信用敞口指标 5.4 信用敞口的模拟 5.5 交易对手信用风险规避 5.6 信用价值调整 5.7 错向风险第6章 技术分析 6.1 技术分析 6.2 图 6.3 其他股价绘图 6.4 成交量图 6.5 价格变化图像 6.6 震荡指标第7章 投资组合优化Ⅳ 7.1 风险指标 7.2 均离差(MAD) 7.3 风险价值VaR和ES 7.4 投资组合优化对象 7.5 信息比率 7.6 风险规避 7.7 Black-Litterman模型第8章 投资组合优化Ⅴ 8.1 风险贡献 8.2 风险预算 8.3 风价 8.4 层次风价 8.5 投资策略比较 8.6 回顾测试第9章 因素投资 9.1 单因子模型和CAPM市场模型 9.2 双因子模型 9.3 多因子模型 9.4 多因子模型投资组合表达 9.5 多因子模型的应用 9.6 主成分分析模型第10章 机器学br/> 10.1 机器学 10.2 朴素贝叶斯分类 10.3 高斯朴素贝叶斯分类 10.4 高斯判别分析 10.5 线判别与二次判别 10.6 k算法第11章 机器学br/> 11.1 支持向量机 11.2 软间隔与核技巧 11.3 决策树 11.4 能度量 11.5 高斯混合模型 11.6 软聚类 11.7 GMM参数调试第12章 机器学br/> 12.1 k均值聚类 12.2 层次聚类 12.3 模糊C均值聚类 12.4 DBSCAN聚类 12.5 神经网络结构 12.6 反向传播算法结束语备忘图书