量化交易中文教材

全书目录

各册章节文件名中的数字取自对应原书的章号（a/b/c 表示一章拆成几篇，A 开头为附录，T 开头为张量篇）。每章开头都有「读前导读」，难点处有讲解框。

第00册 导论与学习路线

底本：本教材编写：导论、学习路线与数学基础补习　|　9 个文件，约 21 万字

  • 第 00 册 导论与学习路线
      1. 这套教材是怎么编成的；2. 量化交易需要哪些知识；3. 开始之前：前置要求与数学补习；4. 学习路线；5. 怎么用这套教材；6. 全书约定；7. 三条贯穿全书的提醒；8. 目录导航
  • 第 01 章 函数、极限与连续
      1. 函数：把一个量映射成另一个量；2. 常见函数；3. 数列与数列极限；4. 函数极限；5. 连续性；6. 上确界与下确界；7. 无穷小与无穷大；在全书中用到的地方
  • 第 02 章 导数与泰勒展开
      1. 导数：变化率的极限；2. 求导法则；3. 常用导数表；4. 高阶导数；5. 极值与凸性；6. 洛必达法则；7. 泰勒展开；8. 久期与凸性就是一阶、二阶泰勒近似；9. 对数收益与 \(\ln(1+x)\approx x\)；在全书中用到的地方
  • 第 03 章 积分
      1. 定积分：面积与累加；2. 牛顿–莱布尼茨公式；3. 不定积分表；4. 换元积分；5. 分部积分；6. 反常积分；7. 连续复利与连续贴现；8. 概率密度；9. 期望作为积分；10. 正态密度的积分；在全书中用到的地方
  • 第 04 章 级数与收敛
    • 4.1 数列：按顺序排好的一串数；4.2 等差数列与等比数列；4.3 级数：无穷多项相加是什么意思；4.4 几何级数与年金、永续年金；4.5 收敛判别的直观；4.6 幂级数；4.7 \(e^x\) 的级数；4.8 \(\ln(1+x)\) 的级数；4.9 复利极限 \((1+r/n)^n\to e^r\)；在全书中用到的地方
  • 第 05 章 多元微积分与优化
    • 5.1 多元函数；5.2 偏导数；5.3 梯度与方向导数；5.4 Hessian 矩阵；5.5 多元泰勒展开；5.6 无约束极值；5.7 凸函数；5.8 拉格朗日乘子：以最小方差组合为例；5.9 KKT 条件的直观；5.10 二重积分；5.11 变量替换与雅可比行列式；在全书中用到的地方
  • 第 06 章 线性代数速成
    • 6.1 向量与内积：组合收益就是一次内积；6.2 矩阵与矩阵乘法；6.3 转置与二次型：组合方差 \(w^\top\Sigma w\)；6.4 单位阵、逆矩阵与线性方程组；6.5 行列式：一个数判断是否可逆；6.6 线性相关与秩：冗余资产；6.7 正交：互不相关的方向；6.8 特征值与特征向量：PCA 的数学；6.9 对称矩阵与正定性；6.10 协方差矩阵的结构：因子模型；6.11 矩阵求导：三个公式解决大部分问题；在全书中用到的地方
  • 第 07 章 概率中的分析工具
    • 7.1 求和记号与双重求和；7.2 积分、求和与极限的交换；7.3 期望的线性性；7.4 方差与协方差的运算；7.5 矩与矩母函数；7.6 条件期望；7.7 大 O 与小 o 记号；7.8 常用不等式；7.9 两种收敛：大数定律与中心极限定理；在全书中用到的地方
  • 第 08 章 读懂数学证明与符号
    • 8.1 命题与逻辑连接词；8.2 量词 \(\forall\) 与 \(\exists\)；8.3 充分条件与必要条件；8.4 原命题、逆命题、否命题、逆否命题；8.5 常见的证明方法；8.6 定义、定理、引理、推论的读法；8.7 常用说法；8.8 希腊字母读音表；8.9 全书常用记号速查表；8.10 示范：逐行读一个完整的证明；在全书中用到的地方

第01册 线性代数与矩阵分析

底本：Horn & Johnson《Matrix Analysis》第 2 版；张量篇：Simmonds《A Brief on Tensor Analysis》第 2 版　|　22 个文件，约 77 万字　|　本册导读

  • 第 00 章 矩阵基础复习
    • 0.1 向量空间、基与维数；0.2 矩阵：数表与线性变换；0.3 行列式；0.4 秩与非奇异性；0.5 内积、正交与 Gram–Schmidt；0.6 分块矩阵与 Schur 补（本章重点）；0.7 Sherman–Morrison–Woodbury 公式；0.8 行列式进阶：伴随、Cramer 法则、Cauchy–Binet 与求导；0.9 特殊矩阵词典；0.10 基变换、相似与等价关系
  • 第 01 章 特征值、特征向量与相似
    • 1.1 为什么关心特征值；1.2 特征值–特征向量方程；1.3 特征多项式与代数重数；1.4 相似与对角化；1.5 左特征向量与几何重数
  • 第 02a 章 酉矩阵、QR 分解与 Schur 三角化
    • 2.1 为什么要"酉"：从相似到酉相似；2.2 酉矩阵；2.3 两把基本工具：Givens 旋转与 Householder 反射；2.4 QR 分解；2.5 酉相似；2.6 Schur 三角化；2.7 Schur 定理的推论
  • 第 02b 章 正规矩阵、谱定理与奇异值分解
    • 2.8 正规矩阵；2.9 谱定理；2.10 奇异值分解；2.11 SVD 的四大应用；2.12 CS 分解与子空间夹角
  • 第 03a 章 Jordan 标准形、最小多项式与线性动态
    • 3.1 相似分类问题；3.2 Jordan 块与 Jordan 矩阵；3.3 Jordan 标准形定理；3.4 唯一性：秩序列、Weyr 特征与 Segre 特征；3.5 数值警告：Jordan 形不能用浮点数计算；3.6 Jordan 形的推论；3.7 最小多项式；3.8 友矩阵与 AR(\(p\)) 模型；3.9 实 Jordan 标准形
  • 第 03b 章 Weyr 标准形与三角分解
    • 3.10 Weyr 标准形；3.11 酉 Weyr 形与投影矩阵；3.12 三角分解
  • 第 04a 章 Hermitian 矩阵与特征值不等式
    • 4a.1 为什么单独研究 Hermitian 矩阵；4a.2 Hermitian 矩阵的基本性质（4.1 节）；4a.3 Rayleigh 商与 Courant–Fischer 定理（4.2 节）；4a.4 Weyl 不等式：特征值的扰动界（4.3 节之一）；4a.5 交错定理与包含原理（4.3 节之二、三）；4a.6 优超（4.3 节之四）
  • 第 04b 章 合同、惯性与同时对角化
    • 4b.1 合同：二次型的变量替换（4.5 节开头）；4b.2 惯性与 Sylvester 惯性定律；4b.3 两个二次型的同时对角化；4b.4 复对称矩阵与酉合同（4.4 节，选读）；4b.5 *合同与合同的标准形（4.5 节后半，选读）；4b.6 共轭相似（4.6 节，选读）
  • 第 05a 章 向量范数、内积与对偶
    • 5a.1 为什么需要范数（5.0 节）；5a.2 范数与内积的公理（5.1 节）；5a.3 常见范数（5.2 节）；5a.4 用已知范数构造新范数（5.3 节）；5a.5 范数的分析性质（5.4 节）；5a.6 单位球的几何与对偶定理（5.5 节）
  • 第 05b 章 矩阵范数、谱半径与条件数
    • 5b.1 矩阵范数（5.6 节开头）；5b.2 诱导范数（算子范数）；5b.3 谱半径与收敛矩阵；5b.4 矩阵幂级数与 Neumann 级数；5b.5 诱导范数的极小性与特殊矩阵范数；5b.6 矩阵上的向量范数（5.7 节，简介）；5b.7 条件数（5.8 节）
  • 第 06 章 特征值的定位与扰动
    • 6.1 问题的提出（6.0 节）；6.2 Geršgorin 圆盘（6.1 节）；6.3 Geršgorin 再探：不可约性与图（6.2 节）；6.4 特征值扰动定理（6.3 节）；6.5 其他特征值包含集（6.4 节）
  • 第 07a 章 正定矩阵的刻画、平方根与 Cholesky 分解
    • 7.1 正定矩阵从哪里来；7.2 定义与基本性质；7.3 等价刻画、平方根与 Cholesky 分解
  • 第 07b 章 极分解、奇异值与矩阵逼近
    • 7.4 极分解；7.5 von Neumann 迹定理与最佳逼近；7.6 酉不变范数；7.7 Kantorovich 与 Wielandt 不等式
  • 第 07c 章 Schur 乘积定理与同时对角化
    • 7.8 Hadamard 积与 Schur 乘积定理；7.9 同时对角化、乘积与凸性
  • 第 07d 章 Loewner 序、Schur 补与行列式不等式
    • 7.10 Loewner 偏序；7.11 Schur 补与分块矩阵；7.12 行列式不等式
  • 第 08a 章 非负矩阵与 Perron–Frobenius 定理
    • 8.1 引言：人口迁移模型；8.2 逐元素序与基本不等式；8.3 正矩阵：Perron 定理；8.4 一般非负矩阵；8.5 不可约非负矩阵：Perron–Frobenius 定理
  • 第 08b 章 本原矩阵、随机矩阵与 Birkhoff 定理
    • 8.6 本原矩阵；8.7 一般极限定理：Cesàro 平均；8.8 随机矩阵与双随机矩阵
  • 附录 凸性、连续性等背景（原书附录 A–F）
    • A.1 复数（附录 A）；A.2 凸集与凸函数（附录 B）；A.3 代数基本定理（附录 C）；A.4 多项式零点与特征值的连续性（附录 D）；A.5 连续性、紧性与 Weierstrass 定理（附录 E）；A.6 典范对（附录 F）；本附录小结
  • 张量篇 第 T1 章 向量与二阶张量
    • T1.1 向量：箭头的等价类；T1.2 笛卡尔坐标与点积；T1.3 叉积与三重积（三维专属，简要了解）；T1.4 张量：把向量映成向量的线性算子；T1.5 2 阶张量的笛卡尔分量；T1.6 习题中值得掌握的结论
  • 张量篇 第 T2 章 一般基、指标记号与基变换
    • T2.1 一般基与 Jacobian；T2.2 求和约定与指标记号；T2.3 倒易基与两套分量；T2.4 度量张量与升降指标；T2.5 置换符号与一般基下的叉积（简要）；T2.6 2 阶张量的四组分量；T2.7 基变换；T2.8 习题中的重要结论
  • 张量篇 第 T3 章 曲线坐标、运动标架与 Christoffel 符号
    • T3.1 牛顿定律与坐标无关的形式（简要）；T3.2 极坐标：运动标架；T3.3 一般三维坐标；T3.4 Christoffel 符号的计算；T3.5 坐标变换与方框公式；T3.6 Christoffel 符号不是张量；T3.7 习题中的重要结论
  • 张量篇 第 T4 章 梯度、协变导数、散度定理与曲面几何
    • T4.1 梯度；T4.2 约束驻值：线性与非线性特征值问题；T4.3 Del 算子、散度、旋度与向量的梯度；T4.4 协变导数；T4.5 连续介质运动学（简介）；T4.6 散度定理与局部化论证；T4.7 曲面微分几何（第二版新增，简介）；T4.8 习题中的重要结论

第02册 概率论

底本：Ross《A First Course in Probability》第 9 版　|　15 个文件，约 31 万字　|　本册导读

第03册 数理统计与统计推断

底本：Wasserman《All of Statistics》　|　24 个文件，约 55 万字　|　本册导读

  • 第 01 章 概率论速览
    • 1.1 为什么统计书要从概率讲起；1.2 概率与随机变量：速览（原书第 1–2 章）；1.3 期望：速览（原书第 3 章）；1.4 不等式：集中不等式与 Jensen（原书第 4 章）；1.5 随机变量的收敛（原书第 5 章）；1.6 量化实战
  • 第 06 章 统计推断的基本框架
    • 6.1 什么是统计推断；6.2 统计模型；6.3 点估计；6.4 置信集；6.5 假设检验；6.6 量化实战
  • 第 07 章 经验分布函数与统计泛函
    • 7.1 经验分布函数；7.2 统计泛函与插入原则；7.3 量化实战
  • 第 08 章 Bootstrap
    • 8.1 问题与思想；8.2 模拟：用大数定律算期望；8.3 Bootstrap 方差估计；8.4 Bootstrap 置信区间；8.5 刀切法与 bootstrap 的局限；8.6 量化实战
  • 第 09 章 参数推断
    • 9.1 参数模型与"感兴趣参数"；9.2 矩估计法；9.3 最大似然；9.4 MLE 的五条性质（总览）；9.5 相合性：为什么最大化似然能找到真值；9.6 同变性；9.7 得分函数、Fisher 信息与渐近正态性；9.8 最优性与渐近相对效率；9.9 Delta 方法（MLE 版）；9.10 多参数模型；9.11 参数 Bootstrap；9.12 检查模型假设；9.13 充分统计量（原书附录）；9.14 指数族（原书附录）
  • 第 10a 章 假设检验与 p 值
    • 10.1 检验的框架；10.2 Wald 检验；10.3 p 值；10.4 \(\chi^2\) 分布与 Pearson \(\chi^2\) 检验；10.5 置换检验；10.6 似然比检验；10.7 拟合优度检验；10.8 附录：Neyman–Pearson 引理与 t 检验；10.9 量化实战
  • 第 10b 章 多重检验与策略过拟合
    • 10b.1 问题：检验做多了，总会"发现"点什么；10b.2 错误率的几种定义；10b.3 控制 FWER：Bonferroni 与 Holm；10b.4 控制 FDR：Benjamini–Hochberg 方法；10b.5 该控制哪一种错误率；10b.6 数据挖掘偏差与策略过拟合（量化专题）；10b.7 量化实战
  • 第 11 章 贝叶斯推断
    • 11.1 两种哲学；11.2 贝叶斯方法；11.3 参数的函数；11.4 用模拟代替积分；11.5 大样本性质；11.6 先验从哪里来；11.7 多参数问题；11.8 贝叶斯检验；11.9 贝叶斯推断的优缺点；11.10 量化实战
  • 第 12 章 统计决策理论
    • 12.1 基本语言；12.2 比较风险函数；12.3 贝叶斯估计量；12.4 Minimax 规则；12.5 最大似然、minimax 与贝叶斯的关系；12.6 可容许性；12.7 Stein 悖论；12.8 量化实战
  • 第 13a 章 线性回归与最小二乘推断
    • 13a.1 回归函数：我们到底在估计什么；13a.2 简单线性回归与最小二乘；13a.3 最小二乘与最大似然；13a.4 最小二乘估计的性质：标准误、置信区间与检验；13a.5 预测：置信区间与预测区间；13a.6 多元回归；13a.7 标准误公式的前提：同方差与独立；13a.8 量化实战：估计因子贝塔、检验与预测区间
  • 第 13b 章 模型选择与 Logistic 回归
    • 13b.1 为什么要做模型选择；13b.2 预测风险与训练误差的偏差；13b.3 Mallows \(C_p\)；13b.4 AIC；13b.5 交叉验证；13b.6 BIC；13b.7 AIC 与 BIC：两个不同的目标；13b.8 模型搜索：逐步回归；13b.9 Logistic 回归；13b.10 量化实战
  • 第 14 章 多元模型
    • 14.1 线性代数记号回顾；14.2 随机向量；14.3 相关系数的估计与区间；14.4 多元正态分布；14.5 多项分布；14.6 量化实战
  • 第 15 章 独立性推断
    • 15.1 记号与基本思路；15.2 两个二元变量；15.3 两个离散变量；15.4 两个连续变量；15.5 一个连续变量与一个离散变量；15.6 附录：优势比的解释与抽样设计；15.7 量化实战
  • 第 16 章 因果推断
    • 16.1 因果是什么意思；16.2 反事实模型；16.3 超越二元处理；16.4 观察性研究与混杂；16.5 辛普森悖论；16.6 量化实战：回购公告的效应，关联与因果的差距
  • 第 17 章 图模型：有向图与无向图
    • 17.1 条件独立；17.2 有向无环图；17.3 d-分离：从图中读出独立关系；17.4 DAG 的估计；17.5 再论因果：条件化与干预（原书 17.8 节附录）；17.6 无向图（原书第 18 章）；17.7 量化实战
  • 第 19 章 对数线性模型
    • 19.1 对数线性展开；19.2 三类模型：图模型、层次模型、非层次模型；19.3 拟合与模型选择；19.4 量化实战：检验"信号与涨跌在给定市场状态下条件独立"
  • 第 20 章 非参数曲线估计
    • 20.1 偏差–方差权衡；20.2 直方图；20.3 核密度估计；20.4 非参数回归；20.5 置信带为什么不以真函数为中心；20.6 量化实战
  • 第 21 章 正交函数与小波平滑
    • 21.1 正交函数与 \(L_2\) 空间；21.2 正交级数密度估计；21.3 正交级数回归；21.4 小波；21.5 量化实战：小波去噪、跳跃定位与 MAD
  • 第 22a 章 分类器：从 Bayes 规则到核方法
    • 22a.1 问题与术语；22a.2 错误率与 Bayes 分类器；22a.3 高斯类条件密度：QDA、LDA 与 Fisher 判别；22a.4 回归路径：线性回归与 logistic 回归；22a.5 朴素 Bayes；22a.6 分类树；22a.7 支持向量机；22a.8 核化；22a.9 其他分类器；22a.10 量化实战：涨跌分类器的比较
  • 第 22b 章 分类误差评估：交叉验证与 VC 界
    • 22b.1 训练误差的乐观偏差；22b.2 交叉验证；22b.3 概率不等式：有限分类器族；22b.4 VC 理论：无限分类器族；22b.5 分类中的偏差–方差：与回归不同；22b.6 维数灾难的几何直观；22b.7 时间序列中的交叉验证（本教材补充）；22b.8 量化实战
  • 第 23 章 随机过程：马尔可夫链与泊松过程
    • 23.1 随机过程；23.2 马尔可夫链；23.3 泊松过程；23.4 量化实战
  • 第 24a 章 蒙特卡洛积分与重要性抽样
    • 24a.1 动机：贝叶斯推断中的积分；24a.2 基本蒙特卡洛积分；24a.3 重要性抽样；24a.4 量化实战：期权定价与尾部风险
  • 第 24b 章 马尔可夫链蒙特卡洛
    • 24b.1 Metropolis–Hastings 算法；24b.2 MCMC 的几种变体；24b.3 量化实战
  • 附录 A1 常用分布与符号表
    • A1.1 一般数学符号；A1.2 概率符号；A1.3 收敛与阶的符号；A1.4 统计模型符号；A1.5 常用数学事实；A1.6 分布表（原书）；A1.7 补充分布（本教材补充，原书分布表未列）；A1.8 参数化约定与 scipy.stats 对照；A1.9 分布之间的常用关系；A1.10 中英文术语对照（第 19–24 章）

第04册 数值最优化

底本：Nocedal & Wright《Numerical Optimization》第 1 版　|　20 个文件，约 57 万字　|　本册导读

  • 第 01 章 优化问题与建模
    • 1.1 为什么要学数值优化；1.2 优化的三要素与建模；1.3 优化问题的分类；1.4 优化算法应具备的性质；1.5 凸性；1.6 量化实战：把均值–方差组合写成标准形式
  • 第 02 章 无约束优化基础
    • 2.1 问题与一个引例；2.2 什么是解；2.3 算法概览；2.4 量化实战：用最优性条件检验解，用实验观察收敛速度
  • 第 03 章 线搜索方法
    • 3.1 线搜索框架；3.2 步长应满足的条件；3.3 线搜索方法的收敛性；3.4 收敛速度（一）：最速下降；3.5 收敛速度（二）：拟牛顿法与牛顿法；3.6 坐标下降法；3.7 步长选择算法；3.8 量化实战：线搜索在参数估计中的表现
  • 第 04 章 信赖域方法
    • 4.1 基本思想与算法框架；4.2 Cauchy 点及相关算法；4.3 子问题的近似精确解；4.4 全局收敛；4.5 其他改进；4.6 量化实战：信赖域与岭回归
  • 第 05 章 共轭梯度法
    • 5.1 引言；5.2 线性共轭梯度法；5.3 非线性共轭梯度法；5.4 量化实战：大规模因子协方差下的组合求解
  • 第 06 章 实用牛顿法
    • 6.1 引言：让牛顿法既快又稳；6.2 非精确牛顿步；6.3 线搜索牛顿法；6.4 Hessian 修正；6.5 信赖域牛顿法；6.6 量化实战：协方差修复与大规模风险预算
  • 第 07 章 导数计算
    • 7.1 引言：导数从哪里来；7.2 有限差分；7.3 自动微分；7.4 量化实战：Greeks 的差分、公共随机数与 AAD
  • 第 08 章 拟牛顿法
    • 8.1 动机：只用梯度，却想要牛顿法的速度；8.2 割线方程与曲率条件；8.3 DFP 与 BFGS：最近矩阵问题；8.4 BFGS 的实现要点；8.5 SR1 方法；8.6 Broyden 族；8.7 收敛性分析；8.8 量化实战
  • 第 09 章 大规模拟牛顿与部分可分优化
    • 9.1 问题：稠密近似在大规模下不可承受；9.2 有限内存 BFGS（L-BFGS）；9.3 一般有限内存更新：紧凑表示；9.4 稀疏拟牛顿更新（简介）；9.5 部分可分函数；9.6 本章方法在量化中的位置；9.7 量化实战
  • 第 10 章 非线性最小二乘
    • 10.1 问题与结构；10.2 背景：建模、统计与线性最小二乘；10.3 Gauss–Newton 法；10.4 Levenberg–Marquardt 法；10.5 大残差与大规模问题；10.6 正交距离回归；10.7 量化实战
  • 第 11 章 非线性方程组
    • 11.1 问题与特点；11.2 局部算法；11.3 全局化：价值函数、线搜索与信赖域；11.4 延拓（同伦）方法；11.5 本章方法在量化中的位置；11.6 量化实战
  • 第 12 章 约束优化理论
    • 12.1 问题、局部解与光滑化；12.2 从三个例子看最优性条件；12.3 KKT 条件；12.4 乘子的含义：敏感性与影子价格；12.5 KKT 条件的证明；12.6 二阶条件；12.7 凸规划；12.8 其他约束规范；12.9 几何观点；12.10 均值–方差组合优化的 KKT 分析；12.11 量化实战
  • 第 13 章 线性规划：单纯形法
    • 13.1 为什么量化研究员需要线性规划；13.2 标准形与转换技巧；13.3 最优性条件与对偶；13.4 可行集的几何：基本可行点就是顶点；13.5 单纯形法；13.6 实现要点；13.7 单纯形法的定位与复杂度；13.8 量化实战
  • 第 14 章 线性规划：内点法
    • 14.1 动机：从内部逼近解；14.2 原始–对偶框架；14.3 路径跟踪方法；14.4 实用算法：Mehrotra 预测–校正；14.5 每步的线性代数；14.6 推广（简介）；14.7 量化实战
  • 第 15 章 约束优化算法基础：分类、消元与价值函数
    • 15.1 从理论到算法；15.2 变量消元；15.3 价值函数：如何衡量进展；15.4 量化实战
  • 第 16a 章 二次规划：KKT 系统与有效集方法
    • 16.1 二次规划与组合优化；16.2 等式约束 QP；16.3 求解 KKT 系统；16.4 不等式约束 QP 的最优性条件；16.5 凸 QP 的原始有效集方法；16.6 不定 QP 的有效集方法（简介）；16.7 量化实战（上）；本章（上）小结
  • 第 16b 章 二次规划：梯度投影法、内点法、对偶与组合优化实战
    • 16.8 梯度投影法；16.9 凸 QP 的内点法；16.10 QP 的对偶；16.11 量化实战（下）：均值–方差组合的完整求解；本章（下）小结
  • 第 17 章 罚函数、障碍函数与增广拉格朗日方法
    • 17.1 核心思路；17.2 二次罚函数法；17.3 对数障碍法；17.4 精确罚函数（简介）；17.5 增广拉格朗日法；17.6 序列线性约束方法（简介）；17.7 量化实战
  • 第 18 章 序列二次规划
    • 18.1 局部 SQP 方法；18.2 实用 SQP 方法概览；18.3 步的计算；18.4 二次模型的 Hessian；18.5 价值函数与下降性；18.6 线搜索 SQP 算法；18.7 约化 Hessian SQP 方法；18.8 信赖域 SQP 方法；18.9 收敛速度；18.10 Maratos 效应；18.11 量化实战
  • 附录 A 背景材料：分析、几何与线性代数速查
    • A.1 拓扑与分析；A.2 线性代数；A.3 量化实战：因子模型协方差的快速求解与病态；本附录小结

第05册 计量经济学

底本：Stock & Watson《Introduction to Econometrics》Global Ed.（第 4 版）　|　25 个文件，约 68 万字　|　本册导读

  • 第 01 章 经济问题与数据
    • 1.1 计量经济学是什么；1.2 四个定量问题；1.3 因果效应与理想化实验；1.4 数据：来源与类型
  • 第 02 章 概率复习：计量视角
    • 2.1 随机变量与概率分布；2.2 期望、方差与矩；2.3 两个随机变量；2.4 正态、卡方、t 与 F 分布；2.5 随机抽样与样本均值的分布；2.6 大样本近似：大数定律与中心极限定理
  • 第 03 章 统计复习：计量视角
    • 3.1 估计总体均值；3.2 关于总体均值的假设检验；3.3 置信区间；3.4 比较两个总体的均值；3.5 用实验数据的均值差估计因果效应；3.6 小样本与 Student t 分布；3.7 散点图、样本协方差与样本相关
  • 第 04 章 单变量线性回归
    • 4.0 同一组数据，两个不同的问题；4.1 线性回归模型；4.2 估计系数：普通最小二乘；4.3 拟合度与预测精度；4.4 因果推断的最小二乘假设；4.5 OLS 估计量的抽样分布；4.6 用于预测的最小二乘假设；4.7 本章结论与下一步
  • 第 05 章 单回归的假设检验与置信区间
    • 5.0 本章在全书中的位置；5.1 回归系数的假设检验；5.2 回归系数的置信区间；5.3 回归元为二元变量时；5.4 异方差与同方差；5.5 OLS 的理论基础：高斯—马尔可夫定理（选读）；5.6 小样本时的 t 统计量（选读）；5.7 回到督学：统计显著不等于因果
  • 第 06 章 多元线性回归
    • 6.0 动机：单回归为什么不够；6.1 遗漏变量偏差；6.2 多元回归模型；6.3 多元回归中的 OLS 估计量；6.4 多元回归的拟合度量；6.5 多元回归因果推断的最小二乘假设；6.6 OLS 估计量的分布；6.7 多重共线性；6.8 控制变量与条件均值独立；6.9 Frisch–Waugh 定理：「控制」到底做了什么；6.10 用于预测的最小二乘假设（原书附录 6.4）
  • 第 07 章 多元回归的假设检验与置信区间
    • 7.0 本章要解决的问题；7.1 单个系数的假设检验与置信区间；7.2 联合假设检验；7.3 涉及多个系数的单一约束；7.4 多个系数的置信集；7.5 多元回归的模型设定；7.6 考试成绩数据的完整分析；7.7 Bonferroni 检验（原书附录 7.1）
  • 第 08 章 非线性回归函数
    • 8.0 为什么需要非线性；8.1 非线性回归建模的一般策略；8.2 单个自变量的非线性函数；8.3 自变量之间的交互作用；8.4 师生比对考试成绩的非线性效应；8.5 对参数非线性的回归函数与非线性最小二乘（原书附录 8.1）；8.6 非线性回归函数的斜率与弹性（原书附录 8.2）
  • 第 09 章 基于多元回归的研究评估
    • 9.0 动机：一项回归研究什么时候可信；9.1 内部有效性与外部有效性；9.2 多元回归内部有效性的五大威胁；9.3 回归用于预测时的有效性；9.4 案例：加州与马萨诸塞州的班级规模研究
  • 第 10 章 面板数据回归
    • 10.0 动机：截面回归给出的荒唐答案；10.1 面板数据；10.2 两期面板：「前后」比较；10.3 实体固定效应回归；10.4 时间固定效应与双向固定效应；10.5 固定效应回归的假设与聚类标准误；10.6 案例：酒驾法律与交通死亡；10.7 固定效应方法的边界；10.8 从面板回归到横截面因子回归
  • 第 11 章 二元因变量回归
    • 11.0 动机：因变量只取 0 和 1；11.1 线性概率模型；11.2 Probit 与 Logit 回归；11.3 估计与推断：最大似然；11.4 应用：波士顿 HMDA 数据；11.5 其他受限因变量模型（原书附录 11.3）
  • 第 12 章 工具变量回归
    • 12.0 动机：当回归元本身与误差相关；12.1 单回归元、单工具的 IV 估计量；12.2 一般 IV 回归模型；12.3 检验工具的有效性；12.4 应用：香烟需求的面板估计；12.5 有效工具从哪里来；12.6 技术细节（原书附录 12.2–12.6）
  • 第 13 章 实验与准实验
    • 13.0 本章要解决的问题；13.1 潜在结果、因果效应与理想实验；13.2 实验有效性的威胁；13.3 案例：田纳西 Project STAR 班级规模实验；13.4 准实验；13.5 准实验的潜在问题；13.6 异质总体中的实验与准实验估计；13.7 结论
  • 第 14 章 多回归元预测与大数据
    • 14.0 本章要解决的问题；14.1 什么是「大数据」；14.2 多预测变量问题与 OLS；14.3 岭回归；14.4 Lasso；14.5 主成分；14.6 用多预测变量预测学校成绩：样本外评估；14.7 结论与延伸
  • 第 15a 章 时间序列回归与预测：自回归、ADL 与样本外评估
    • 15.0 本章要解决的问题；15.1 时间序列数据与序列相关；15.2 平稳性与均方预测误差；15.3 自回归；15.4 加入其他预测变量：ADL 模型；15.5 MSFE 的估计与预测区间；15.6 用信息准则选择滞后长度；流程回顾：一个时间序列预测项目的步骤
  • 第 15b 章 非平稳性：随机趋势与结构突变
    • 15.7 非平稳性 I：趋势；15.8 非平稳性 II：结构突变；15.9 第 15 章结论
  • 第 16 章 动态因果效应的估计
    • 16.0 本章要解决的问题；16.1 橙汁数据初探；16.2 动态因果效应；16.3 外生回归元下的估计；16.4 异方差与自相关一致（HAC）标准误；16.5 严格外生回归元下的估计；16.6 橙汁价格与寒冷天气；16.7 外生性可信吗？若干例子；16.8 结论
  • 第 17a 章 向量自回归与多期预测
    • 17.0 本章在全书中的位置；17.1 向量自回归（VAR）；17.2 多期预测
  • 第 17b 章 单整、单位根检验的非标准分布与协整
    • 17.3 单整阶数与单位根检验统计量的非正态性；17.4 协整；专栏：2003 年诺贝尔奖与协整
  • 第 17c 章 波动率聚集、已实现波动率与 ARCH/GARCH
    • 17.5.0 与第 06 册的分工；17.5 波动率聚集与自回归条件异方差
  • 第 17d 章 动态因子模型与主成分预测
    • 17.6.0 本章的前提与定位；17.6 用动态因子模型与主成分进行多预测变量预测；17.6.8 应用：131 个美国季度宏观序列；17.7 结论与延伸阅读
  • 第 18 章 单回归元线性回归的理论
    • 18.0 为什么应用者也要学理论；18.1 扩展最小二乘假设与 OLS 估计量；18.2 渐近分布理论的基础；18.3 OLS 估计量与 t 统计量的渐近分布；18.4 误差正态时的精确抽样分布；18.5 加权最小二乘；附录 18.1 正态及相关分布、连续随机变量的矩；附录 18.2 两个不等式
  • 第 19a 章 矩阵形式的多元回归理论
    • 19.0 本章与第 19 章的结构；19.1 矩阵形式的线性多元回归模型与 OLS 估计量；19.2 OLS 估计量与 t 统计量的渐近分布；19.3 联合假设检验；19.4 误差正态时回归统计量的分布；19.5 同方差误差下 OLS 估计量的效率；附录 19.1 矩阵代数概要；附录 19.2 多元分布；附录 19.3 \(\hat{\boldsymbol\beta}\) 渐近分布的推导；附录 19.4 误差正态时检验统计量精确分布的推导；附录 19.5 多元高斯–马尔可夫定理的证明
  • 第 19b 章 广义最小二乘、工具变量与广义矩估计
    • 19.6 广义最小二乘（GLS）；19.7 工具变量与广义矩估计（IV 与 GMM）；附录 19.6 IV 与 GMM 若干结果的证明；第 19 章总结（原书 Summary，含 19a 章）
  • 第 19c 章 多预测变量回归的矩阵推导：MSPE、岭回归与主成分（附书末附表）
    • 19.7.0 本章的定位；一、OLS 的样本外均方预测误差；二、岭回归；三、主成分分析；四、书末统计附表与速查

第06册 金融时间序列

底本：Tsay《Analysis of Financial Time Series》第 3 版　|　19 个文件，约 65 万字　|　本册导读

  • 第 01 章 金融收益率及其统计特征
    • 1.1 研究对象：为什么是收益率；1.2 收益率的定义；1.3 分布与矩：一个快速回顾；1.4 收益率的分布；1.5 多元收益与似然函数；1.6 收益率的实证性质；1.7 本书研究的其他过程
  • 第 02a 章 平稳性、自相关与 ARMA 模型
    • 2.0 本章的出发点；2.1 平稳性；2.2 相关系数与自相关函数；2.3 白噪声与线性时间序列；2.4 自回归（AR）模型；2.5 AR 模型的识别、估计与检验；2.6 AR 模型的预测；2.7 移动平均（MA）模型；2.8 ARMA 模型
  • 第 02b 章 单位根、季节模型与带时间序列误差的回归
    • 2.9 单位根非平稳；2.10 季节模型；2.11 带时间序列误差的回归；2.12 一致协方差矩阵估计：HC 与 HAC；2.13 长记忆模型
  • 第 03a 章 条件异方差：ARCH 与 GARCH 模型
    • 3.0 为什么要为波动率建模；3.1 波动率的特征；3.2 模型结构；3.3 建模步骤与 ARCH 效应检验；3.4 ARCH 模型；3.5 GARCH 模型；3.6 求和 GARCH（IGARCH）与 RiskMetrics；3.7 GARCH-M：波动进入均值方程
  • 第 03b 章 非对称波动率、随机波动率与已实现波动率
    • 3.8 指数 GARCH（EGARCH）模型；3.9 门限 GARCH（TGARCH / GJR）模型；3.10 CHARMA 模型；3.11 随机系数自回归（RCA）模型；3.12 随机波动率（SV）模型；3.13 长记忆随机波动率（LMSV）模型；3.14 应用：在波动方程中加入外生变量；3.15 替代方法：高频数据与 OHLC 价格
  • 第 04a 章 非线性时间序列模型
    • 4.1 为什么需要非线性模型；4.2 双线性模型（Bilinear Model）；4.3 门限自回归模型（TAR）；4.4 平滑转移 AR 模型（STAR）；4.5 马尔可夫转换模型（Markov Switching）；4.6 非参数方法；4.7 神经网络
  • 第 04b 章 非线性检验、建模与预测
    • 4.8 非线性检验；4.9 建模流程；4.10 非线性模型的预测；4.11 应用：美国季度失业率
  • 第 05 章 高频数据分析与市场微观结构
    • 5.1 高频数据概述；5.2 非同步交易；5.3 买卖价差与 Roll 模型；5.4 逐笔成交数据的经验特征；5.5 价格变化模型；5.6 久期模型：ACD；5.7 非线性久期模型：门限 ACD；5.8 价格变化与久期的二元模型（PCD）；5.9 应用：用 ACD 刻画日内价格极差
  • 第 06 章 连续时间模型及其应用
    • 6.1 为什么需要连续时间模型；6.2 维纳过程与 Itô 过程；6.3 Itô 引理；6.4 GBM 的统计性质与参数估计；6.5 Black–Scholes 微分方程；6.6 Black–Scholes 公式；6.7 跳跃扩散模型；6.8 连续时间模型的估计
  • 第 07a 章 风险价值：RiskMetrics、计量方法与分位数估计
    • 7.1 风险价值；7.2 RiskMetrics；7.3 计量方法：ARMA–GARCH；7.4 分位数估计；7.5 VaR 回测（补充）
  • 第 07b 章 极值理论与尾部风险
    • 7.6 极值理论回顾；7.7 基于传统极值理论的 VaR；7.8 超阈值方法（POT）；7.9 极值指数
  • 第 08a 章 向量自回归与多元线性模型
    • 8.1 为什么要联合建模；8.2 弱平稳与交叉相关矩阵；8.3 向量自回归模型（VAR）；8.4 向量移动平均模型（VMA）；8.5 向量 ARMA 模型（VARMA）
  • 第 08b 章 协整、误差修正与配对交易
    • 8.6 单位根非平稳与协整；8.7 误差修正形式；8.8 协整 VAR 模型；8.9 Johansen 方法：估计与检验；8.10 门限协整与期现套利；8.11 配对交易
  • 第 09 章 主成分分析与因子模型
    • 9.1 一般因子模型；9.2 宏观经济因子模型；9.3 基本面因子模型；9.4 主成分分析；9.5 统计因子分析；9.6 渐近主成分分析（\(k>T\)）
  • 第 10 章 多元波动率模型
    • 10.1 问题设定；10.2 指数加权估计（EWMA）；10.3 多元 GARCH 模型；10.4 两种重参数化；10.5 二元 GARCH 模型；10.6 动态条件相关（DCC）模型；10.7 高维波动率模型；10.8 因子–波动率模型；10.9 应用：多资产 VaR；10.10 多元 Student-t 分布
  • 第 11a 章 局部水平模型与 Kalman 滤波
    • 11.1 一个动机：已实现波动率里的噪声；11.2 局部水平模型就是 ARIMA(0,1,1)；11.3 三类推断与一条关键定理；11.4 Kalman 滤波；11.5 预测误差的性质；11.6 状态平滑；11.7 缺失值；11.8 初始化的影响；11.9 参数估计：预测误差分解
  • 第 11b 章 线性状态空间模型与时变 β
    • 11.10 一般线性高斯状态空间模型；11.11 把常见模型写成状态空间形式；11.12 一般 Kalman 滤波；11.13 状态平滑；11.14 扰动平滑；11.15 缺失值与预测；11.16 原书应用
  • 第 12a 章 MCMC 方法与贝叶斯推断
    • 12.1 为什么需要 MCMC；12.2 Gibbs 抽样；12.3 贝叶斯推断与共轭先验；12.4 没有闭式时：替代算法；12.5 带时间序列误差的线性回归；12.6 缺失值；12.7 加性异常值检测
  • 第 12b 章 随机波动率与 Markov 转换模型
    • 12.8 随机波动率模型；12.9 SV 估计的新方法：FFBS 与杠杆效应；12.10 Markov 转换模型；12.11 MCMC 预测

第07册 市场微观结构与交易

底本：Harris《Trading and Exchanges》　|　33 个文件，约 70 万字　|　本册导读

  • 第 01 章 交易与市场概论
    • 1.1 微观结构研究什么；1.2 五个市场质量特征；1.3 交易工具与市场；1.4 全书导图：交易是一个搜寻问题；1.5 贯穿全书的十个主题；1.6 原书的组织与本册的对应
  • 第 02 章 交易故事：从下单到结算
    • 2.1 散户买入一只 NYSE 股票；2.2 散户卖出一只 Nasdaq 股票；2.3 机构买入 40 万股 Exxon Mobil；2.4 机构卖出一只冷门 Nasdaq 股票；2.5 超大宗股票交易；2.6 现货商品与期货套期保值；2.7 期权交易；2.8 债券交易；2.9 外汇交易
  • 第 03 章 交易行业：参与者、工具、市场与监管
    • 3.0 Part I 导言：交易的结构；3.1 参与者；3.2 交易辅助机构；3.3 交易工具；3.4 市场在哪里；3.5 市场监管
  • 第 04a 章 订单基础：市价单与限价单
    • 4.1 订单是什么，为什么用订单；4.2 基本术语；4.3 市价单；4.4 限价单
  • 第 04b 章 止损单、跳动敏感订单与其他订单指令
    • 4.5 止损单；4.6 触价市价单（MIT）；4.7 跳动敏感订单；4.8 市价不受约束单；4.9 有效期与到期指令；4.10 数量指令；4.11 其他订单指令；4.12 第 4 章小结
  • 第 05 章 市场结构：交易时段、执行系统与信息系统
    • 5.0 为什么市场结构重要；5.1 概览；5.2 交易时段；5.3 执行系统；5.4 市场信息系统；5.5 小结与要点
  • 第 06 章 指令驱动市场与撮合规则
    • 6.1 共同骨架：优先规则加定价规则；6.2 口头拍卖：从交易大厅理解规则；6.3 规则撮合系统：排序、匹配、定价；6.4 单一价格拍卖与统一定价；6.5 连续双边拍卖与歧视性定价；6.6 连续市场与集合竞价：剩余、成交量与即时性；6.7 交叉网络与衍生定价
  • 第 07 章 经纪商
    • 7.1 经纪商是什么；7.2 经纪商为什么能降低交易成本；7.3 经纪公司的组织；7.4 经纪商怎样赚钱；7.5 委托—代理问题；7.6 不诚实的经纪商
  • 第 08 章 人们为何交易
    • 8.1 为什么要问“为什么交易”；8.2 功利型交易者；8.3 利润驱动型交易者；8.4 徒劳型交易者；8.5 投资、投机与赌博
  • 第 09 章 好的市场
    • 9.1 用福利经济学评估市场结构；9.2 交易的私人收益与公共收益；9.3 信息含量高的价格带来的公共收益；9.4 流动市场带来的公共收益；9.5 评估市场的四个目标
  • 第 10 章 知情交易者与市场效率
    • 10.1 基本面价值、噪声与价格；10.2 知情交易者如何使价格有信息含量；10.3 激进交易还是隐秘交易；10.4 知情交易的四种风格；10.5 知情交易的利润；10.6 不知情交易者与市场悖论；10.7 竞争与市场效率；10.8 流动性与信息含量的权衡，以及公开信息的好处
  • 第 11 章 订单预期者
    • 11.1 订单预期者是谁；11.2 抢跑者；11.3 情绪导向技术交易者；11.4 挤压者；11.5 猎杀止损；11.6 小结：防御与市场制度
  • 第 12 章 虚张声势者与市场操纵
    • 12.1 什么是虚张声势者；12.2 一个多头虚张声势的完整案例；12.3 虚张声势的基本原理；12.4 法律边界：为什么操纵难以起诉；12.5 虚张声势者如何"约束"流动性提供者
  • 第 13 章 交易商
    • 13.1 交易商是什么样的商人；13.2 报价与价差的基本概念；13.3 与交易商交易、吸引订单流；13.4 存货：交易商的核心约束；13.5 两类存货风险；13.6 交易商如何应对逆向选择；13.7 交易商的两类定价错误；13.8 消息灵通与消息不灵通的交易商；13.9 交易商、价值交易者与虚张声势者
  • 第 14 章 买卖价差
    • 14.1 价差是即时性的价格；14.2 交易商如何设定价差；14.3 价差的两个成分；14.4 Glosten–Milgrom 定理；14.5 区分两个成分：Roll 模型与交易方向回归；14.6 本书最重要的一课：不知情者为什么总会输；14.7 指令驱动市场中的均衡价差；14.8 公共交易者与交易商竞争；14.9 横截面价差预测
  • 第 15 章 大宗交易者
    • 15.1 什么是大宗交易；15.2 大宗交易的四个问题；15.3 阳光交易；15.4 楼上市场；15.5 一个说明问题的统计量：80% 由卖方发起；15.6 大宗市场与常规市场的关系
  • 第 16 章 价值交易者
    • 16.1 价值交易者提供流动性；16.2 外部价差；16.3 外部价差为什么远宽于交易商价差；16.4 价值交易者与新闻交易者
  • 第 17 章 套利者
    • 17.1 套利者交易的是相对价值；17.2 基本术语；17.3 套利者是对冲组合的交易者；17.4 纯套利：基差均值回复；17.5 投机性套利：基差非平稳；17.6 套利的四类风险；17.7 套利机会从哪里来；17.8 数量的视角：套利者在做什么；17.9 套利者、交易商与经纪人；17.10 套利者之间的竞争
  • 第 18 章 买方交易者与订单暴露
    • 18.1 本章在讲什么：买方最能控制的是下单方式；18.2 市价单还是限价单；18.3 订单暴露决策；18.4 防御策略；18.5 市场如何帮助交易者控制暴露成本；18.6 小结：好交易者知道何时、向谁暴露
  • 第 19 章 流动性
    • 19.1 什么是流动性；19.2 流动性的搜寻；19.3 流动性的维度；19.4 谁在提供流动性，为什么；19.5 一个完整的例子：大额急躁卖单的一生；19.6 小结
  • 第 20 章 波动率及其分解
    • 20.1 波动率是什么，谁在乎；20.2 基本面波动；20.3 暂时性波动；20.4 度量波动率及其成分；20.5 小结
  • 第 21a 章 交易成本度量（上）：价格基准法
    • 21.0 为什么要度量交易成本；21.1 交易成本的构成；21.2 隐性成本的两类估计方法；21.3 指定价格基准：有效价差、已实现价差、执行差额、VWAP；21.4 各种基准估计量的性质
  • 第 21b 章 交易成本度量（下）：计量估计、机会成本与成本预测
    • 21.5 用计量方法度量隐性交易成本；21.6 错失交易机会成本；21.7 交易成本预测；21.8 结语：策略师与交易员要合作；21.9 小结
  • 第 22a 章 绩效评估（上）：绩效的度量与预测问题
    • 22.1 为什么要评估绩效，评估什么；22.2 绩效评估问题：技能、运气与投资政策；22.3 绩效评估方法；22.4 绩效预测问题
  • 第 22b 章 绩效评估（下）：技能与运气的统计检验
    • 22.5 为什么统计评估如此困难；22.6 更严重的问题：分布形态与虚假收益；22.7 样本选择偏差；22.8 绩效预测的经济学方法；22.9 总结
  • 第 23 章 指数与组合市场
    • 23.0 Part VII 导言：市场结构；23.1 指数交易为什么重要；23.2 价格指数；23.3 指数基金；23.4 支持指数化的论证；23.5 指数市场的流动性与价格形成；23.6 指数产品；23.7 小结
  • 第 24 章 专家与指定做市商
    • 24.1 专家是什么：用义务换特权；24.2 作为交易商：积极义务与消极义务；24.3 作为经纪人和拍卖人；24.4 专家特权：订单流信息的价值；24.5 专营权的分配与考核；24.6 监管权衡：谁受益，谁买单；延伸阅读（据原书书目）
  • 第 25 章 内部化、订单导流与内部撮合
    • 25.1 三个概念与两个问题；25.2 最佳执行在实务中是什么；25.3 最佳执行的经济学：佣金与价差的此消彼长；25.4 内部化与导流的反竞争效应；25.5 内部撮合；25.6 本章的权衡；延伸阅读（据原书书目）
  • 第 26 章 市场内与市场间的竞争：合并、分割与分层
    • 26.1 两种竞争的冲突；26.2 市场为什么合并；26.3 市场为什么分割；26.4 分割市场如何凝聚：分层；26.5 市场中心竞争中的外部性；26.6 市场中心的合并；延伸阅读（据原书书目）
  • 第 27 章 场内交易与电子交易系统
    • 27.1 背景：两种拍卖，一种区别；27.2 公平性；27.3 便利、容量与速度；27.4 场内的信息交换；27.5 成本；27.6 小结：谁适合哪种系统；延伸阅读（据原书书目）
  • 第 28 章 泡沫、崩盘与熔断机制
    • 28.1 谁关心极端波动；28.2 泡沫与崩盘的一般理论；28.3 案例；28.4 熔断机制：定义与经济学；28.5 监管干预的政治学；延伸阅读（据原书书目）
  • 第 29 章 内幕交易
    • 29.1 什么是内幕信息和内幕交易；29.2 公司内部人的交易；29.3 法律边界：美国、中国内地与欧盟；29.4 执法：为什么难；29.5 限制还是允许：一场经济学争论；延伸阅读（据原书书目）
  • 附录 A1 原书参考文献与索引导读
    • 一、参考文献的性质；二、按本册章节整理的延伸阅读；三、索引怎么用；四、本册第 24–29 章常用术语中英对照

第08册 期权期货与衍生品

底本：Hull《Options, Futures, and Other Derivatives》Global Ed.（第 9 版）　|　43 个文件，约 111 万字　|　本册导读

  • 第 01 章 衍生品导论
    • 1.1 什么是衍生品；1.2 两个市场：交易所与场外；1.3 远期合约；1.4 期货合约；1.5 期权；1.6 三类交易者；1.7 衍生品的危险
  • 第 02 章 期货市场机制
    • 2.1 期货合约是如何产生和了结的；2.2 合约规格；2.3 期货价格向现货价格收敛；2.4 保证金账户：期货的心脏；2.5 场外市场如何借鉴保证金制度；2.6 读懂期货行情；2.7 交割；2.8 交易者与指令类型；2.9 监管、会计与税务（简介）；2.10 远期与期货的比较
  • 第 03 章 期货套期保值策略
    • 3.1 对冲的基本原则；3.2 该不该对冲；3.3 基差风险；3.4 交叉对冲与最小方差对冲比率；3.5 股指期货与组合 β 管理；3.6 叠加与展期；3.7 附录：资本资产定价模型
  • 第 04 章 利率
    • 4.1 利率的种类；4.2 利率的度量；4.3 零息利率与债券定价；4.4 自举法：构造零息曲线；4.5 远期利率；4.6 远期利率协议（FRA）；4.7 久期；4.8 凸性；4.9 利率期限结构理论
  • 第 05 章 远期与期货价格的确定
    • 5.1 投资资产与消费资产；5.2 卖空；5.3 假设与记号；5.4 无收益投资资产；5.5 已知现金收益；5.6 已知收益率；5.7 远期合约的估值；5.8 远期价与期货价相等吗？；5.9 股指期货；5.10 外汇远期与期货；5.11 商品期货；5.12 持有成本：统一的公式；5.13 交割选择权；5.14 期货价格与预期未来即期价格
  • 第 06 章 利率期货
    • 6.0 本章在全书中的位置；6.1 计息天数与报价惯例；6.2 国债期货；6.3 欧洲美元期货；6.4 基于久期的期货对冲；6.5 资产与负债组合的对冲
  • 第 07 章 互换
    • 7.0 引言：什么是互换；7.1 利率互换的机制；7.2 计息天数、确认书与营业日惯例；7.3 比较优势论及其缺陷；7.4 互换利率与 LIBOR/swap 零息曲线；7.5 利率互换的估值；7.6 货币互换；7.7 信用风险；7.8 其他类型的互换
  • 第 08 章 证券化与 2007 年信用危机
    • 8.0 本章定位；8.1 证券化；8.2 美国住房市场与次贷危机；8.3 问题出在哪里；8.4 后续影响
  • 第 09 章 OIS 折现、信用调整与融资成本
    • 9.0 本章要解决的三个问题；9.1 无风险利率；9.2 OIS 利率；9.3 用 OIS 折现为互换和 FRA 估值；9.4 OIS 还是 LIBOR：哪个正确？；9.5 信用风险：CVA 与 DVA；9.6 融资成本
  • 第 10 章 期权市场的运作机制
    • 10.1 期权的两种基本类型；10.2 四种基本头寸；10.3 标的资产；10.4 股票期权的合约规格；10.5 交易；10.6 佣金；10.7 保证金要求；10.8 期权清算公司；10.9 监管；10.10 税收；10.11 权证、员工股票期权与可转债；10.12 场外期权市场
  • 第 11 章 股票期权的性质
    • 11.1 影响期权价格的因素；11.2 假设与记号；11.3 期权价格的上下界；11.4 看涨-看跌平价；11.5 无股息股票的看涨期权：永远不提前行权；11.6 无股息股票的看跌期权：深度实值时应提前行权；11.7 股息的影响；11.8 看涨期权价格对行权价的凸性
  • 第 12 章 期权交易策略
    • 12.1 保本票据；12.2 期权与标的资产的组合；12.3 价差；12.4 组合；12.5 其他收益形态
  • 第 13 章 二叉树
    • 13.1 单步二叉树与无套利论证；13.2 风险中性定价；13.3 两步二叉树；13.4 看跌期权的例子；13.5 美式期权；13.6 Delta；13.7 用 \(u\) 和 \(d\) 匹配波动率；13.8 二叉树公式；13.9 增加步数；13.10 使用 DerivaGem；13.11 其他资产上的期权；附录：由二叉树推导 Black–Scholes–Merton 公式
  • 第 14 章 维纳过程与伊藤引理
    • 14.1 随机过程与马尔可夫性质；14.2 连续时间随机过程；14.3 股价过程；14.4 参数 \(\mu\) 与 \(\sigma\)；14.5 相关过程；14.6 伊藤引理；14.7 对数正态性质
  • 第 15a 章 BSM 模型（上）：股价分布、波动率与 BSM 偏微分方程
    • 15.1 股价的对数正态性质；15.2 收益率的分布；15.3 期望收益：\(\mu\) 还是 \(\mu-\sigma^2/2\)？；15.4 波动率；15.5 BSM 微分方程背后的思想；15.6 BSM 偏微分方程的推导；15.7 风险中性定价
  • 第 15b 章 BSM 模型（下）：定价公式、隐含波动率与股息
    • 15.8 BSM 定价公式；15.9 累积正态分布函数与数值例；15.11 隐含波动率；15.12 股息；15.10 认股权证与员工股票期权
  • 第 16 章 员工股票期权
    • 16.1 合约安排；16.2 期权能否使股东与管理层利益一致？；16.3 会计问题；16.4 估值；16.5 倒签丑闻
  • 第 17 章 股指期权与货币期权
    • 17.1 股指期权；17.2 货币期权；17.3 支付已知股息率股票的期权；17.4 欧式股指期权估值；17.5 欧式货币期权估值；17.6 美式期权
  • 第 18 章 期货期权与 Black 模型
    • 18.1 期货期权的性质；18.2 期货期权为什么流行；18.3 欧式现货期权与期货期权；18.4 看涨-看跌平价；18.5 期货期权的价格界限；18.6 用二叉树为期货期权定价；18.7 风险中性世界中期货价格的漂移；18.8 期货期权的 Black 模型；18.9 美式期货期权与美式现货期权；18.10 期货式期权
  • 第 19a 章 希腊字母（上）：Delta 对冲与合成期权
    • 19.1 贯穿本章的例子；19.2 裸露头寸与有保护头寸；19.3 止损策略；19.4 Delta 对冲；远期与期货的 delta；19.13 组合保险与合成期权；19.14 股市波动率与 1987 年股灾
  • 第 19b 章 希腊字母（下）：Theta、Gamma、Vega、Rho 与组合风险管理
    • 19.5 Theta；19.6 Gamma；19.7 Delta、Theta 与 Gamma 的关系；19.8 Vega；19.9 Rho；19.12 公式的推广；19.10 对冲的现实；19.11 情景分析
  • 第 20 章 波动率微笑
    • 20.1 为什么看涨和看跌的微笑相同；20.2 外汇期权的微笑；20.3 股票期权的偏斜；20.4 微笑的坐标：执行价、价值状态与 delta；20.5 波动率期限结构与波动率曲面；20.6 微笑下的希腊字母；20.7 模型的作用；20.8 预期单次大幅跳跃：皱眉形状；20.9 附录：由波动率微笑确定隐含风险中性分布
  • 第 21a 章 数值方法之一：二叉树与三叉树
    • 21.1 二叉树；21.2 股指、外汇和期货期权的树；21.3 付息股票的二叉树；21.4 构造树的其他方法；21.5 时变参数
  • 第 21b 章 数值方法之二：蒙特卡洛模拟与方差缩减
    • 21.6 蒙特卡洛模拟；21.7 方差缩减方法
  • 第 21c 章 数值方法之三：有限差分法与方法比较
    • 21.8 有限差分法；三种方法的综合比较（原书第 21 章小结）
  • 第 22 章 风险价值（VaR）
    • 22.1 VaR 度量；22.2 历史模拟法；22.3 模型构建法；22.4 线性模型；22.5 二次模型；22.6 蒙特卡洛模拟；22.7 方法比较；22.8 压力测试与回测；22.9 主成分分析
  • 第 23 章 波动率与相关系数的估计
    • 23.0 为什么要估计"当前"波动率；23.1 估计波动率；23.2 指数加权移动平均模型（EWMA）；23.3 GARCH(1,1) 模型；23.4 模型选择；23.5 极大似然估计；23.6 用 GARCH(1,1) 预测未来波动率；23.7 相关系数；23.8 例：四指数组合的 EWMA VaR
  • 第 24 章 信用风险
    • 24.0 从市场风险到信用风险；24.1 信用评级；24.2 历史违约概率；24.3 回收率；24.4 从债券收益率利差估计违约概率；24.5 违约概率估计的比较；24.6 用股价估计违约概率：Merton 模型；24.7 衍生品交易中的信用风险；24.8 违约相关性；24.9 信用 VaR
  • 第 25 章 信用衍生品
    • 25.0 信用衍生品市场；25.1 信用违约互换（CDS）；25.2 CDS 估值；25.3 信用指数；25.4 固定票息的使用；25.5 CDS 远期与期权；25.6 篮子 CDS；25.7 总收益互换；25.8 担保债务凭证（CDO）；25.9 相关性在篮子 CDS 与 CDO 中的作用；25.10 合成 CDO 估值；25.11 标准市场模型的替代
  • 第 26a 章 奇异期权（上）：结构与解析定价
    • 26.1 组合产品与零成本结构；26.2 永续美式期权；26.3 非标准美式期权；26.4 缺口期权；26.5 远期开始期权；26.6 棘轮期权；26.7 复合期权；26.8 选择者期权；26.9 障碍期权；26.10 二元期权；26.11 回望期权；26.12 喊价期权；26.13 亚式期权；26.14 资产交换期权
  • 第 26b 章 奇异期权（下）：方差互换、VIX 与静态期权复制
    • 26.16 波动率互换与方差互换；26.17 静态期权复制
  • 第 27a 章 超越 BSM：替代模型、随机波动率与局部波动率
    • 27.1 BSM 的替代模型；27.2 随机波动率模型；27.3 隐含波动率函数模型（局部波动率）
  • 第 27b 章 数值方法补充：可转债、路径依赖、障碍、多资产与美式蒙特卡洛
    • 27.4 可转换债券；27.5 路径依赖衍生品；27.6 障碍期权的数值方法；27.7 两个相关资产的期权；27.8 蒙特卡洛模拟与美式期权
  • 第 28 章 鞅与测度
    • 28.1 风险的市场价格；28.2 多个状态变量；28.3 鞅与等价鞅测度；28.4 计价单位的不同选择；28.5 推广到多因子；28.6 再论 Black 模型；28.7 资产交换期权；28.8 计价单位变换
  • 第 29 章 利率衍生品：标准市场模型
    • 29.1 债券期权；29.2 利率上限与下限；29.3 欧式互换期权；29.4 OIS 贴现；29.5 利率衍生品的对冲；本章模型的局限
  • 第 30 章 凸性、时间与 Quanto 调整
    • 30.1 凸性调整；30.2 时间调整；30.3 Quanto；30.4 小结与常见误区
  • 第 31 章 利率衍生品：短期利率模型
    • 31.1 背景；31.2 均衡模型；31.3 无套利模型；31.4 债券期权；31.5 波动率结构；31.6 利率树；31.7 一般建树程序：Hull–White 两阶段法；31.8 校准；31.9 用单因子模型对冲
  • 第 32 章 HJM、LMM 与多条零息曲线
    • 32.1 Heath–Jarrow–Morton 模型；32.2 LIBOR 市场模型；32.3 处理多条零息曲线；32.4 机构抵押支持证券；32.5 小结与常见误区
  • 第 33 章 再论互换
    • 33.1 普通互换的变体；33.2 复利互换；33.3 货币互换；33.4 需要调整远期利率的互换；33.5 股权互换；33.6 含内嵌期权的互换；33.7 其他互换；33.8 小结与常见误区
  • 第 34 章 能源与商品衍生品
    • 34.1 农产品；34.2 金属；34.3 能源产品；34.4 商品价格建模；34.5 天气衍生品；34.6 保险衍生品；34.7 天气与保险衍生品的定价；34.8 能源生产商如何对冲风险；34.9 小结与常见误区
  • 第 35 章 实物期权
    • 35.1 资本投资评估；35.2 风险中性估值框架的推广；35.3 估计风险市场价格；35.4 企业估值的应用；35.5 投资机会中期权的评估；35.6 小结与常见误区
  • 第 36 章 衍生品事故及其教训
    • 36.1 事故全景；36.2 对所有衍生品用户的教训；36.3 对金融机构的教训；36.4 对非金融企业的教训；36.5 小结
  • 附录 书末附录速查：术语表、DerivaGem、交易所与正态分布表
    • A.1 术语表（Glossary of Terms，PDF p.841–862）；A.2 DerivaGem 软件说明（PDF p.863–867）；A.3 主要期货期权交易所（PDF p.868）；A.4 标准正态分布表（PDF p.869–870）；A.5 作者索引与主题索引（PDF p.871–892）；本附录小结

第09册 算法与数据结构

底本：Cormen 等《Introduction to Algorithms》第 3 版　|　32 个文件，约 85 万字　|　本册导读

  • 第 01 章 算法与算法分析入门：插入排序、归并排序与循环不变式
    • 1.1 什么是算法；1.2 算法是一种技术；1.3 插入排序与循环不变式；1.4 分析算法；1.5 分治法与归并排序；1.6 几个延伸问题
  • 第 03 章 函数的增长与渐近记号
    • 3.1 为什么只看渐近效率；3.2 五种渐近记号；3.3 标准记号与常用函数；3.4 几个容易混淆的判断
  • 第 04a 章 分治算法：最大子数组与 Strassen 矩阵乘法
    • 4.0 分治回顾与递归式；4.1 最大子数组问题；4.2 Strassen 矩阵乘法
  • 第 04b 章 递归式求解：代入法、递归树与主定理
    • 预备：递归式的技术细节；4.3 代入法；4.4 递归树法；4.5 主方法；4.6 ★ 主定理的证明；4.7 思考题选讲与更一般的方法
  • 第 05 章 概率分析与随机算法
    • 5.1 雇用问题；5.2 指示器随机变量；5.3 随机算法；5.4 ★ 概率分析的进一步应用；5.5 思考题
  • 第 06 章 堆与优先队列
    • 6.0 第二部分导言：为什么花这么多篇幅讲排序；6.1 堆：用数组装下一棵树；6.2 维护堆的性质：MAX-HEAPIFY；6.3 建堆：为什么是线性时间；6.4 堆排序；6.5 优先队列；6.6 量化实战
  • 第 07 章 快速排序
    • 7.1 算法描述；7.2 性能的直观分析；7.3 随机化快速排序；7.4 严格分析；7.5 工程实现要点；7.6 量化实战
  • 第 08 章 排序的下界与线性时间排序
    • 8.1 比较排序的下界；8.2 计数排序；8.3 基数排序；8.4 桶排序；8.5 量化实战；8.6 其他思考题简介
  • 第 09 章 中位数与顺序统计量
    • 9.0 问题与定义；9.1 最小值与最大值；9.2 期望线性时间的选择：RANDOMIZED-SELECT；9.3 最坏线性时间的选择：SELECT（中位数的中位数）；9.4 思考题精要；9.5 量化实战
  • 第 10 章 基本数据结构
    • 10.1 动态集合：本部分的共同语言；10.2 栈和队列；10.3 链表；10.4 用数组实现指针和对象；10.5 有根树的表示；10.6 量化实战
  • 第 11 章 散列表
    • 11.1 直接寻址表；11.2 散列表与链接法；11.3 散列函数；11.4 开放寻址法；11.5 完全散列；11.6 量化实战
  • 第 12 章 二叉搜索树与红黑树
    • 12.1 二叉搜索树；12.2 红黑树；12.3 量化实战
  • 第 14 章 数据结构的扩张
    • 14.1 动态顺序统计；14.2 如何扩张一个数据结构；14.3 区间树；14.4 量化实战
  • 第 15a 章 动态规划（上）：原理与经典问题
    • 15.1 动态规划是什么；15.2 钢条切割；15.3 矩阵链乘法；15.4 动态规划原理；15.5 最长公共子序列；15.6 最优二叉搜索树；15.7 原书思考题速览；15.8 量化实战
  • 第 15b 章 动态规划（下）：量化交易中的动态规划
    • 15b.1 从原书到交易：五要素与 Bellman 方程；15b.2 最多 \(k\) 次买卖的最大收益；15b.3 带交易成本的最优交易路径；15b.4 最优执行的离散化动态规划；15b.5 Viterbi 算法与市场状态识别；15b.6 动态规划何时失效，以及其他应用
  • 第 16 章 贪心算法
    • 16.1 活动选择问题；16.2 贪心策略的要素；16.3 Huffman 编码；16.4 拟阵与贪心方法（选读）；16.5 用拟阵解任务调度问题（选读）；16.6 原书思考题速览；16.7 量化实战
  • 第 17 章 摊还分析
    • 17.1 为什么需要摊还分析；17.2 聚合分析；17.3 核算法；17.4 势能法；17.5 动态表：可扩容数组的数学；17.6 思考题选讲；17.7 量化实战：扩容、抖动与环形缓冲区
  • 第 18 章 B 树、斐波那契堆与 van Emde Boas 树
    • 18.1 第 V 部分概览：高级数据结构；18.2 B 树；18.3 斐波那契堆；18.4 van Emde Boas 树；18.5 量化实战
  • 第 21 章 不相交集合
    • 21.1 问题与操作；21.2 链表表示；21.3 不相交集合森林；21.4 为什么是 \(\alpha(n)\)：分析的骨架；21.5 思考题选讲；21.6 量化实战：用并查集做分组
  • 第 22 章 基本图算法
    • 22.1 第 VI 部分概览与记号；22.2 图的表示；22.3 广度优先搜索；22.4 深度优先搜索；22.5 拓扑排序；22.6 强连通分量；22.7 思考题选讲；22.8 量化实战
  • 第 23 章 最小生成树
    • 23.1 问题；23.2 通用方法与切割性质；23.3 Kruskal 算法；23.4 Prim 算法；23.5 思考题与注记选讲；23.6 量化实战：从相关性 MST 到层次风险平价
  • 第 24 章 单源最短路径
    • 24.1 问题的提出；24.2 松弛：所有算法的公共骨架；24.3 Bellman-Ford 算法；24.4 有向无环图上的最短路径；24.5 Dijkstra 算法；24.6 差分约束与最短路径；24.7 性质的证明要点；24.8 思考题选讲；24.9 量化实战：外汇三角套利检测
  • 第 25 章 所有结点对的最短路径
    • 25.1 问题与表示；25.2 最短路径与矩阵乘法；25.3 Floyd-Warshall 算法；25.4 Johnson 算法：稀疏图上的重新赋权；25.5 思考题与注记；25.6 量化实战
  • 第 26 章 最大流
    • 26.1 流网络；26.2 Ford-Fulkerson 方法；26.3 二分图最大匹配；26.4 推送-重贴标签方法（选读）；26.5 思考题选讲；26.6 量化实战
  • 第 27 章 多线程算法
    • 27.0 第七部分导言（简述）；27.1 动态多线程模型；27.2 多线程矩阵乘法；27.3 多线程归并排序；27.4 思考题选讲；27.5 量化实战
  • 第 28 章 矩阵运算
    • 28.1 求解线性方程组；28.2 矩阵求逆；28.3 对称正定矩阵；28.4 最小二乘逼近；28.5 量化实战
  • 第 29 章 线性规划
    • 29.1 什么是线性规划；29.2 标准型与松弛型；29.3 把问题写成线性规划；29.4 单纯形算法；29.5 对偶性；29.6 初始基本可行解；29.7 思考题与注记；29.8 量化实战
  • 第 30 章 多项式与快速傅里叶变换
    • 30.1 从多项式乘法说起；30.2 多项式的两种表示；30.3 单位复根；30.4 DFT 与 FFT；30.5 逆 DFT 与卷积定理；30.6 高效 FFT 实现；30.7 思考题与习题选讲；30.8 量化实战
  • 第 31 章 数论、字符串匹配与计算几何
    • 第一部分 数论算法（原书第 31 章）；第二部分 字符串匹配（原书第 32 章）；第三部分 计算几何（原书第 33 章）；31.10 量化实战
  • 第 34 章 NP 完全性
    • 34.1 为什么研究"难"问题；34.2 形式化：判定问题、编码与类 P；34.3 多项式时间验证与类 NP；34.4 归约与 NP 完全性；34.5 NP 完全性证明：经典归约链；34.6 量化实战：识别并应对 NP 难的组合问题
  • 第 35 章 近似算法
    • 35.1 近似比与近似方案；35.2 顶点覆盖：极大匹配给出下界；35.3 旅行商问题；35.4 集合覆盖：贪心与调和数；35.5 随机化与线性规划；35.6 子集和：完全多项式时间近似方案；35.7 思考题选讲；35.8 量化实战
  • 附录 A 数学背景速查（原书附录 A–D）
    • A.1 求和（原书附录 A）；A.2 集合、关系与函数（原书附录 B.1–B.3）；A.3 图与树（原书附录 B.4–B.5）；A.4 计数与概率（原书附录 C）——速查；A.5 矩阵（原书附录 D）——速查；本附录小结

第10册 神经网络

底本：Hagan 等《Neural Network Design》第 2 版　|　21 个文件，约 54 万字　|　本册导读

  • 第 01 章 引言与神经元模型
    • 1.1 神经网络是什么：背景与历史；1.2 记号约定；1.3 神经元模型；1.4 网络结构；1.5 量化实战：把因子映射成交易信号的网络
  • 第 03 章 三种网络初探：感知机、Hamming 网络与 Hopfield 网络
    • 3.1 问题：分拣水果；3.2 感知机：画一条分界线；3.3 Hamming 网络：找最近的原型；3.4 Hopfield 网络：让原型成为吸引点；3.5 三种网络对比与留下的问题；3.6 量化实战：用 Hamming 网络识别市场状态
  • 第 04 章 感知机学习规则
    • 4.1 历史与学习规则的分类；4.2 感知机的结构与决策边界；4.3 感知机学习规则；4.4 收敛定理；4.5 局限性：线性可分；4.6 量化实战：方向分类、间隔与不可分数据
  • 第 05 章 信号与权值向量空间、线性变换
    • 5.1 为什么神经网络需要向量空间；5.2 向量空间、线性无关与基；5.3 内积、范数、夹角与正交；5.4 Gram–Schmidt 正交化；5.5 向量展开、互逆基与换基；5.6 线性变换与矩阵表示；5.7 特征值、特征向量与对角化；5.8 量化实战：正交化、PCA 与迭代系统的稳定性
  • 第 07 章 有监督 Hebb 学习
    • 7.1 Hebb 假设；7.2 线性联想器与 Hebb 规则；7.3 性能分析：正交与串扰；7.4 伪逆规则；7.5 应用：自联想记忆；7.6 偏置与二值表示；7.7 Hebb 学习的变体；7.8 量化实战：Hebb 是 IC 加权，伪逆是回归
  • 第 08 章 性能曲面与最优点
    • 8.1 性能学习；8.2 Taylor 展开、梯度与 Hessian；8.3 方向导数；8.4 极小点与最优性条件；8.5 二次函数：读懂 Hessian 的特征结构；8.6 线性网络的性能曲面；8.7 量化实战：组合优化的性能曲面
  • 第 09 章 性能优化
    • 9.1 迭代极小化的框架；9.2 最速下降法；9.3 牛顿法；9.4 共轭梯度法；9.5 三种算法的比较；9.6 量化实战：条件数决定一切
  • 第 10 章 Widrow–Hoff 学习与 LMS 算法
    • 10.1 历史与 ADALINE 网络；10.2 均方误差；10.3 LMS 算法；10.4 收敛性分析；10.5 自适应滤波；10.6 量化实战：LMS 作为在线回归
  • 第 11 章 反向传播
    • 11.1 从单层到多层；11.2 多层网络能做什么；11.3 反向传播算法；11.4 数值例；11.5 批量训练与增量训练；11.6 反向传播的推广；11.7 使用反向传播的三个实际问题；11.8 量化实战
  • 第 12 章 反向传播的变体
    • 12.1 反向传播为什么慢；12.2 启发式改进之一：动量；12.3 启发式改进之二：可变学习率；12.4 数值优化技术之一：共轭梯度反向传播；12.5 数值优化技术之二：Levenberg–Marquardt 算法；12.6 五种算法的比较；12.7 量化实战
  • 第 13a 章 泛化：提前停止与正则化
    • 13a.1 泛化与奥卡姆剃刀；13a.2 问题表述；13a.3 估计泛化误差：测试集；13a.4 提前停止；13a.5 正则化；13a.6 量化实战：在低信噪比数据上演示过拟合
  • 第 13b 章 贝叶斯正则化与有效参数个数
    • 13b.1 贝叶斯法则；13b.2 第一层：权值的最大后验估计；13b.3 第二层：从数据中估计 \(\alpha\) 和 \(\beta\)；13b.4 贝叶斯正则化算法（GNBR）；13b.5 提前停止与正则化的关系；13b.6 有效参数个数；13b.7 量化实战
  • 第 14 章 动态网络与随时间反向传播
    • 14.1 从静态网络到动态网络；14.2 分层数字动态网络（LDDN）；14.3 两个最小例子：FIR 与 IIR；14.4 动态学习原理：直接作用与间接作用；14.5 RTRL 的一般形式；14.6 BPTT 的一般形式；14.7 计算量与存储比较；14.8 为什么动态网络难训练；14.9 从本书到现代循环网络（补充）；14.10 量化实战
  • 第 15 章 联想学习与竞争网络
    • 15.1 联想学习：四条局部规则；15.2 竞争层与竞争学习；15.3 自组织特征图（SOFM）；15.4 学习向量量化（LVQ）；15.5 量化实战：用竞争学习和 SOFM 识别市场状态
  • 第 17 章 径向基网络
    • 17.1 背景：从精确插值到稳健逼近；17.2 网络结构；17.3 函数逼近：四个参数各管什么；17.4 模式分类：边界是圆；17.5 全局与局部；17.6 训练概述；17.7 线性最小二乘求第二层；17.8 正交最小二乘（OLS）；17.9 聚类法定中心与宽度；17.10 非线性优化：梯度法微调；17.11 量化实战
  • 第 18 章 Grossberg 网络
    • 18.1 背景与生物动机；18.2 基本非线性模型；18.3 两层竞争网络；18.4 量化实战：仿真与类比
  • 第 19 章 自适应共振、稳定性与 Hopfield 网络
    • 19.1 自适应共振理论（ART）；19.2 动态系统的稳定性；19.3 连续时间 Hopfield 网络；19.4 量化实战
  • 第 22 章 实际训练问题
    • 22.1 总体流程：训练是一个迭代闭环；22.2 训练前：数据选择；22.3 数据预处理；22.4 网络结构选择；22.5 训练网络；22.6 训练后分析；22.7 量化实战：把训练流程搬到金融时间序列上
  • 第 23 章 案例：函数逼近与概率估计
    • 23.1 案例一：智能位置传感器（函数逼近）；23.2 案例二：反应概率估计（softmax 输出）；23.3 量化实战
  • 第 25 章 案例：模式识别与聚类
    • 25.1 案例三：从心电图识别心肌梗死（模式识别）；25.2 案例四：森林覆盖类型（聚类）；25.3 量化实战
  • 第 27 章 案例：预测与金融时间序列
    • 27.1 问题：预测与系统辨识；27.2 数据收集与预处理；27.3 结构选择：NARX 网络；27.4 训练；27.5 验证；27.6 复现：磁悬浮系统的 NARX 辨识；27.7 量化实战：用 NARX 预测金融收益

第11册 量化交易综合实战

底本：综合前 10 册　|　11 个文件，约 40 万字　|　本册导读

  • 第 01 章 量化研究全流程与工程环境
    • 1.1 问题与动机；1.2 研究循环：七个环节；1.3 一个最小可运行的研究循环；1.4 Python 工具栈；1.5 项目代码组织；1.6 可复现性；1.7 用测试守住时间方向：未来扰动测试；1.8 合成数据与真实数据的差别；1.9 常见陷阱与检查清单；延伸阅读
  • 第 02 章 数据
    • 2.1 问题与动机；2.2 价格与收益；2.3 横截面与面板数据结构；2.4 幸存者偏差；2.5 时点数据；2.6 缺失值、异常值与标准化；2.7 常见陷阱与检查清单；延伸阅读
  • 第 03 章 因子研究
    • 3.1 问题与动机；3.2 因子构造与预处理；3.3 中性化；3.4 IC、RankIC 与 IR；3.5 分组回测；3.6 Fama–MacBeth 回归与标准误；3.7 因子衰减与换手；3.8 多重检验；3.9 常见陷阱与检查清单；延伸阅读
  • 第 04 章 风险模型
    • 4.1 问题与动机；4.2 样本协方差的维度灾难；4.3 收缩估计；4.4 因子风险模型；4.5 时变波动与相关：EWMA 与 DCC；4.6 随机矩阵去噪；4.7 常见陷阱与检查清单；延伸阅读
  • 第 05 章 组合构建与优化
    • 5.1 问题与动机；5.2 均值–方差：从 KKT 条件到误差放大；5.3 数值稳定性：别让线性代数出错；5.4 约束：把投资政策写进可行集；5.5 交易成本进入目标函数；5.6 最小方差与风险平价；5.7 Black–Litterman：从均衡出发，只在有观点处偏离；5.8 样本外比较：哪种方法"最好"；5.9 常见陷阱与检查清单；延伸阅读
  • 第 06 章 回测方法论
    • 6.1 问题与动机；6.2 向量化回测与事件驱动回测；6.3 时间对齐与前视偏差；6.4 交易成本与滑点建模；6.5 样本外验证：走步与 purged/embargo 交叉验证；6.6 过拟合与 Deflated Sharpe；6.7 业绩指标及其统计误差；6.8 常见陷阱与检查清单；延伸阅读
  • 第 07 章 交易执行与交易成本
    • 7.1 问题与动机；7.2 成本分解：执行差额；7.3 价差；7.4 市场冲击与平方根律；7.5 TWAP 与 VWAP；7.6 Almgren–Chriss 最优执行；7.7 限价单与逆向选择；7.8 订单簿模拟；7.9 常见陷阱与检查清单；延伸阅读
  • 第 08 章 时间序列与统计套利策略
    • 8.1 问题与动机；8.2 时间序列动量与均值回复；8.3 波动率择时；8.4 配对交易；8.5 统计套利组合；8.6 常见陷阱与检查清单；延伸阅读
  • 第 09 章 衍生品与波动率策略
    • 9.1 问题与动机；9.2 BSM 与希腊字母：做一个可靠的定价引擎；9.3 隐含波动率曲面：清洗、远期、参数化与无套利；9.4 方差风险溢价：卖保险的收益；9.5 Delta 对冲盈亏分解：gamma 与 theta；9.6 期货展期、基差与 carry；9.7 尾部风险对冲；9.8 常见陷阱与检查清单；延伸阅读
  • 第 10 章 机器学习与神经网络在量化中的应用
    • 10.1 问题与动机；10.2 特征工程与合成面板；10.3 标签；10.4 样本外验证；10.5 模型：正则化线性、树模型与神经网络；10.6 非平稳性与概念漂移；10.7 可解释性；10.8 常见陷阱与检查清单；延伸阅读
  • 第 11 章 风险管理与绩效评估
    • 11.1 问题与动机；11.2 VaR 与 ES：五种方法；11.3 回测 VaR 与 ES；11.4 压力测试与情景分析；11.5 回撤控制；11.6 绩效评估与归因；11.7 风控体系与事故教训；11.8 常见陷阱与检查清单；延伸阅读

全书合计约 734 万字（含公式与代码）。