第1章時間序列Ⅱ // 1
1.1 多重共線性 //2
1.2 嶺回歸 //9
1.3 Lasso回歸 // 13
1.4 協整性 // 20
1.5 向量誤差修正模型 // 23
第2章蒙特卡羅模擬Ⅲ //28
2.1 跳躍過程 // 29
2.2 擬蒙特卡羅模擬 // 36
2.3 模擬投資組合VaR // 49
第3章利率模型與校準 //61
3.1 利率衍生品 // 62
3.2 利率模型 // 69
3.3 模型校準 // 72
3.4 利率三叉樹 // 77
第4章波動率模型與校準 //85
4.1 隱含波動率 // 86
4.2 Heston隨機波動率模型 // 90
4.3 局部波動率模型 // 98
4.4 SABR隨機波動率模型//105
第5章交易對手信用風險 // 115
5.1 交易對手信用風險 //116
5.2 信用敞口 //117
5.3 信用敞口指標 //120
5.4 信用敞口的模擬 //132
5.5 交易對手信用風險規避 //140
5.6 信用價值調整 //147
5.7 錯向風險 //148
第6章技術分析//150
6.1 技術分析 //151
6.2 蠟燭圖 //157
6.3 其他股價繪圖 //160
6.4 成交量圖 //163
6.5 價格變化圖像 //167
6.6 震蕩指標 //181
第7章投資組合優化Ⅳ//191
7.1 風險指標 //192
7.2 平均離差(MAD) //193
7.3 風險價值VaR 和ES//195
7.4 投資組合優化對像 //199
7.5 信息比率 //207
7.6 風險規避 //215
7.7 Black-Litterman模型 //223
第8章投資組合優化Ⅴ//234
8.1 風險貢獻 //235
8.2 風險預算 //243
8.3 風險平價 //247
8.4 層次風險平價 //251
8.5 投資策略比較 //256
8.6 回顧測試 //267
第9章因素投資//276
9.1 單因子模型和CAPM市場模型 //277
9.2 雙因子模型 //284
9.3 多因子模型 //289
9.4 多因子模型投資組合表達 //292
9.5 多因子模型的應用 //294
9.6 主成分分析模型 //300
第10章機器學習Ⅰ //310
10.1 機器學習概述 //311
10.2 樸素貝葉斯分類 //315
10.3 高斯樸素貝葉斯分類 //324
10.4 高斯判別分析 //332
10.5 線性判別與二次判別 //339
10.6 k臨近算法 //348
第11章機器學習Ⅱ //354
11.1 支持向量機 //356
11.2 軟間隔與核技巧 //361
11.3 決策樹 //374
11.4 性能度量 //381
11.5 高斯混合模型 //390
11.6 軟聚類 //399
11.7 GMM參數調試 //402
第12章機器學習Ⅲ //407
12.1 k均值聚類 //408
12.2 層次聚類 //416
12.3 模糊C均值聚類 //422
12.4 DBSCAN聚類//429
12.5 神經網絡結構 //431
12.6 反向傳播算法 //438
結束語//454
備忘//455
參考及推薦圖書//461
