王犇編著的《隱馬爾可夫鏈馬爾可夫狀態轉換模
型及在量化投資中的應用》屬於數理金融(量化投資)
的範疇，論述了隱馬爾可夫鏈和馬爾可夫狀態轉換模
型的數學原理、數值算法及在量化投資中的應用。出
於完備性的考慮，本書的前兩章回顧了理解模型所必
需的概率統計、隨機過程的相關知識。本書雖涉及一
定程度的數學知識，但總體而言仍定位於業界，也就
是金融領域尤其是量化投資領域的實務工作者，同時
對該領域的學術研究者也有一定的參考價值。

第1章 概率統計必要知識回顧
1.1 條件概率與條件期望的兩個引理
1.1.1 劃分、全概率公式與貝葉斯公式
1.1.2 兩個引理
1.2 極大似然估計
1.2.1 極大似然估計的基本思想
1.2.2 三個實例
第2章 馬爾可夫鏈
2.1 隨機過程與馬爾可夫鏈簡介
2.1.1 隨機過程的基本概念
2.1.2 馬爾可夫鏈及轉移概率矩陣
2.2 C-K 方程、馬爾可夫鏈的若干重要性質、穩態分布
2.2.1 Chapman-Kolmogorov 方程
2.2.2 馬爾可夫鏈的若干重要性質
2.2.3 穩態分布
2.3 馬爾可夫鏈的極大似然估計
第3章 狀態獨立混合分布模型
3.1 獨立混合分布模型概述
3.2 獨立混合分布模型的參數估計
第4章 隱馬爾可夫鏈
4.1 隱馬爾可夫鏈基礎
4.1.1 隱馬爾可夫鏈的定義及三個基本問題
4.1.2 隱馬爾可夫鏈的若干基本性質
4.1.3 隱馬爾可夫鏈的似然函數
4.1.4 兩類隱馬爾可夫鏈與HMM 的數值模擬
4.2 向前/向後算法
4.2.1 前向概率與向前算法
4.2.2 後向概率與向後算法
4.2.3 其他數值參量
4.3 期望*大化算法
4.3.1 期望*大化算法的基本思想
4.3.2 Baum-Welch 算法
4.4 維特比算法
4.5 隱馬爾可夫鏈的其他相關問題
4.5.1 HMM 的條件分布
4.5.2 HMM 的預測
4.5.3 狀態的期望持續期
4.6 金融市場實證分析
4.6.1 數據選擇與基本統計分析
4.6.2 HMM 的應用
第5章 馬爾可夫狀態轉換模型
5.1 時間序列分析的基礎知識
5.1.1 時間序列與平穩性
5.1.2 自回歸模型
5.2 馬爾可夫狀態轉換模型簡介
5.2.1 MS-AR 模型概述
5.2.2 MS-AR 模型的似然函數
5.3 Hamilton 濾波
5.3.1 預測與*新
5.3.2 數值算法
5.4 Kim 平滑
5.4.1 平滑概率的定義及性質
5.4.2 平滑概率的數值算法
5.5 預測
5.5.1 預測問題的數學原理
5.5.2 預測問題的數值算法
5.6 大宗商品期貨市場的應用
結語
附錄A 基本統計分析的R 代碼
附錄B Matlab 程序
B.1 計算馬爾可夫鏈穩態分布的數值算法
B.2 HMM 觀測值序列生成算法
B.3 向前/向後算法
B.4 計算其他數值參量的算法
B.5 Baum-Welch 算法
B.6 Viterbi 算法
B.7 條件分布算法
B.8 分布預測算法
B.9 狀__________態預測算法
B.10 金融市場實證分析代碼
B.11 Hamilton 濾波
B.12 MS-AR 優化計算的目標函數
B.13 Kim 平滑
B.14 MS-AR 預測
B.15 大宗商品期貨市場的應用代碼
參考文獻