●第 1章 R語言入門 1 1.1 為什麼要用R 1 1.2 並安裝R軟件 2 1.3 安裝R程序包 3 1.3.1 直接從CRAN安裝 3 1.3.2 手動安裝 4 1.4 數據類型 4 1.4.1 向量 5 1.4.2 列表 6 1.4.3 矩陣 7 1.4.4 數組 7 1.4.5 因子 7 1.4.6 數據框 8 1.5 導入和輸出不同類型的數據 8 1.5.1 讀取和存儲CSV格式文檔 9 1.5.2 XLSX文檔 10 1.5.3 網絡數據或在線數據資源 11 1.5.4 數據庫 12 1.6 編寫表達式 13 1.6.1 表達式 13 1.6.2 符號和賦值 15 1.6.3 關鍵詞 15 1.6.4 變量命名 15 1.7 函數 16 1.7.1 調用函數（無需參數） 17 1.7.2 調用函數（需要參數） 17 1.8 如何執行R程序 18 1.8.1 在R代碼窗中運行存盤的腳本文檔 18 1.8.2 加載R腳本文檔 18 1.9 循環與條件 19 1.9.1 if語句 19 1.9.2 if … else語句 20 1.9.3 for循環 20 1.9.4 while循環 21 1.9.5 apply()函數 21 1.9.6 sapply()函數 21 1.10 循環控制語句 22 1.10.1 break語句 22 1.10.2 next語句 22 1.11 問題 23 1.12 小結 23 第 2章 統計建模 25 2.1 概率分布 25 2.1.1 正態分布 26 2.1.2 對數正態分布 28 2.1.3 泊松分布 30 2.1.4 均勻分布 31 2.1.5 極值理論 31 2.2 抽樣 33 2.2.1 隨機抽樣 33 2.2.2 分層抽樣 35 2.3 統計量 36 2.3.1 均值 36 2.3.2 中位數 36 2.3.3 眾數 36 2.3.4 概覽 37 2.3.5 矩 37 2.3.6 峰度 37 2.3.7 偏度 38 2.4 相關性 38 2.4.1 自相關性 38 2.4.2 偏自相關性 39 2.4.3 交叉相關性 40 2.5 假設檢驗 40 2.5.1 總體均值的下側單尾檢驗（方差已知） 40 2.5.2 總體均值的上側單尾檢驗（方差已知） 41 2.5.3 總體均值的雙尾檢驗（方差已知） 42 2.5.4 總體均值的下側單尾檢驗（方差未知） 43 2.5.5 總體均值的上側單尾檢驗（方差未知） 44 2.5.6 總體均值的雙尾檢驗（方差未知） 44 2.6 參數估計 45 2.6.1 極大似然估計 45 2.6.2 線性模型 47 2.7 異常值偵測 48 2.7.1 箱形圖 48 2.7.2 LOF算法 48 2.8 標準化 49 2.9 歸一化 50 2.10 問題 50 2.11 小結 51 第3章 計量分析與小波分析 52 3.1 簡單線性回歸 53 3.1.1 散點圖 53 3.1.2 可決繫數 55 3.1.3 顯著性檢驗 55 3.1.4 置信區間 56 3.1.5 殘差圖 56 3.1.6 誤差項正態分布 57 3.線性回歸 58 3.2.1 可決繫數 59 3.2.2 置信區間 60 3.2.3 多重共線性 60 3.3 ANOVA 60 3.4 特征選擇 61 3.4.1 考察相關繫數矩陣 62 3.4.2 逐步法變量選擇 63 3.4.3 用分類技術進行變量選擇 63 3.4.4 變量排序 64 3.5 小波分析 64 3.6 快速傅裡葉變換 70 3.7 希爾伯特變換 71 3.8 問題 73 3.9 小結 74 第4章 時間序列建模 75 4.1 時間序列概述 76 4.2 將數據轉化為時間序列 76 4.3 zoo包 78 4.3.1 構建zoo對像 78 4.3.2 用zoo包讀入外部數據 79 4.3.3 zoo對像的優點 79 4.3.4 zoo對像的缺點 81 4.4 xts包 81 4.4.1 調用as.xts()構建xts對像 81 4.4.2 從頭開始構建xts對像 82 4.5 線性過濾器 83 4.6 AR模型 84 4.7 MA模型 85 4.8 ARIMA模型 86 4.9 GARCH模型 90 4.10 EGARCH模型 91 4.11 VGARCH模型 92 4.12 動態條件相關性模型 94 4.13 問題 96 4.14 小結 96 第5章 算法交易 97 5.1 動量或方向性交易 98 5.2 配對交易 106 5.2.1 基於距離的配對交易 106 5.2.2 基於相關性的配對交易 112 5.2.3 基於協整關繫的配對交易 115 5.3 資本資產定價模型 118 5.4 多因子模型 120 5.5 構建投資組合 126 5.6 問題 130 5.7 小結 130 第6章 基於機器學習的交易 131 6.1 邏輯回歸 132 6.2 神經網絡 138 6.3 深度神經網絡 146 6.4 K均值算法 148 6.5 K近鄰法 151 6.6 支持向量機 154 6.7 決策樹 156 6.8 隨機森林 157 6.9 問題 160 6.10 小結 161 第7章 風險管理 162 7.1 市場風險 162 7.2 投資組合風險 164 7.3 風險值 167 7.3.1 參數VaR 167 7.3.2 歷史VaR 168 7.4 蒙特卡羅模擬 170 7.5 風險對衝 171 7.6 巴塞爾監管 172 7.7 信用風險 173 7.8 欺詐識別 177 7.9 負債管理 180 7.10 問題 180 7.11 小結 181 第8章 最優化 182 8.1 動態再平衡 182 8.2 前行測試 185 8.3 網格測試 185 8.4 遺傳算法 188 8.5 問題 192 8.6 小結 192 第9章 衍生品定價 193 9.1 期權定價 193 9.1.1 Black-Scholes模型 194 9.1.2 Cox-Ross-Rubinstein模型 195 9.1.3 希臘字母 198 9.2 隱含波動率 200 9.3 債券定價 201 9.4 信用利差 204 9.5 信用違約互換 207 9.6 利率衍生品 208 9.7 奇異期權 209 9.8 問題 213 9.9 小結 213