当前位置:首页 > 其它 >
《量化投资:以R语言为工具》电子书封面

量化投资:以R语言为工具

  • 发布时间:2019年09月24日 08:43:30
  • 作者:蔡立耑
  • 大小:93.8 MB
  • 类别:量化投资电子书
  • 格式:PDF
  • 版本:高清版
  • 评分:7.4

    量化投资推荐

    量化投资:以R语言为工具 PDF 高清版

      给大家带来的一篇关于量化投资相关的电子书资源,介绍了关于量化投资、R语言、工具方面的内容,本书是由电子工业出版社出版,格式为PDF,资源大小93.8 MB,蔡立耑编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.7分

      Tags:

      内容介绍

      量化投资:以R语言为工具 PDF

      量化投资:以R语言为工具主要解读量化投资的观念和对策,并依靠R語言开展实战演练。

      由三一部分构成:

      最先,对R计算机语言的详细介绍,根据学习培训,用户能够快速把握用R語言解决统计数据的方式,熟练掌握R語言处理具体金融业难题;次之,向用户详细介绍量化投资的基础知识,关键解读量化投资需要的总数基本与量化投资的种类等层面;最终,将左右两一部分內容结合在一起,叙述怎样在R語言中搭建量化投资对策。

      目录

      • 第1部分 熟悉R 语言1
      • 第1章 R 的简介与安装2
      • 1.1 R 语言简介2
      • 1.2 RGui 的下载和安装2
      • 1.3 RGui 使用简要介绍4
      • 1.4 统计功能Gui:R Commander 6
      • 1.4.1 R Commander 的安装与加载6
      • 1.4.2 R Commander 简单操作8
      • 第2章 R 使用入门13
      • 2.1 R 代码编写13
      • 2.2 R 代码执行与脚本14
      • 2.3 R 脚本的保存与工作空间管理15
      • 2.3.1 R 脚本的保存15
      • 2.3.2 R 工作空间与工作目录16
      • 2.4 R 的帮助系统17
      • 2.4.1 单击“帮助”标签获取资源17
      • 2.4.2 R 函数获取帮助18
      • 第3章 R 包简介22
      • 3.1 包的安装与加载22
      • 3.1.1 单击下载安装包22
      • 3.1.2 函数下载安装包23
      • 3.1.3 本地安装包23
      • 3.2 包的加载24
      • 3.3 R 基础包24
      • 3.4 常用扩展包25
      • 第4章 RStudio 使用27
      • 4.1 RStudio 的下载和安装27
      • 4.2 Rstudio 的界面介绍27
      • 4.3 RStudio 的使用入门28
      • 4.3.1 自动补全功能28
      • 4.3.2 历史查询功能29
      • 4.3.3 其他标签的功能30
      • 4.3.4 RStudio 中脚本文件的使用32
      • 第5章 R 语言数据类型34
      • 5.1 几种常见的数据类型34
      • 5.2 数据类型的识别36
      • 5.3 数据类型的转换36
      • 第6章 R 语言数据结构39
      • 6.1 数据结构39
      • 6.2 向量39
      • 6.2.1 创建向量39
      • 6.2.2 向量元素的索引42
      • 6.3 矩阵43
      • 6.3.1 创建新矩阵43
      • 6.3.2 矩阵元素索引44
      • 6.4 数组45
      • 6.4.1 数组的创建45
      • 6.4.2 数组元素的索引47
      • 6.5 向量、矩阵、数组的联系与区别48
      • 6.5.1 向量和矩阵、数组的区别49
      • 6.5.2 矩阵与数组的联系与区别51
      • 6.6 因子52
      • 6.6.1 创建因子52
      • 6.6.2 选取因子中元素54
      • 6.7 数据框54
      • 6.7.1 创建数据框55
      • 6.7.2 访问数据框56
      • 6.8 列表57
      • 6.8.1 列表的创建57
      • 6.8.2 访问列表58
      • 6.9 变量的查看与删除59
      • 6.9.1 变量的查看59
      • 6.9.2 变量的删除62
      • 第7章 数据导入和导出64
      • 7.1 数据导入64
      • 7.1.1 read.table( ) 函数64
      • 7.1.2 读取Excel 文件65
      • 7.1.3 读取Stata、SAS 与SPSS 的数据文件66
      • 7.1.4 读取网页数据66
      • 7.1.5 连接数据库67
      • 7.2 数据导出68
      • 第8章 数据编辑70
      • 8.1 编辑方式70
      • 8.2 变量命名72
      • 8.3 索引73
      • 8.4 数据结构转换75
      • 8.5 缺失值处理75
      • 第9章 数据整合78
      • 9.1 变量合并78
      • 9.2 列联表79
      • 9.3 reshape2 包82
      • 第10章 R 语言编程85
      • 10.1 流程控制85
      • 10.1.1 循环语句85
      • 10.1.2 条件语句86
      • 10.2 自编函数87
      • 10.3 数据操作88
      • 10.3.1 数学运算符88
      • 10.3.2 基本数据操作函数89
      • 10.3.3 字符型数据操作92
      • 10.4 apply 函数族93
      • 10.4.1 apply( ) 函数94
      • 10.4.2 tapply( ) 函数94
      • 10.4.3 lapply( ) 函数95
      • 第11章 R 语言绘图基础97
      • 11.1 一个简单的例子97
      • 11.2 修改图形属性98
      • 11.2.1 图形类型98
      • 11.2.2 颜色99
      • 11.2.3 大小104
      • 11.2.4 文本105
      • 11.2.5 par( ) 108
      • 11.3 常见图形类型109
      • 11.3.1 柱状图109
      • 11.3.2 直方图与密度曲线图112
      • 11.3.3 饼图113
      • 11.3.4 箱线图114
      • 11.3.5 时间序列图115
      • 11.4 绘图窗口116
      • 11.4.1 绘图窗口116
      • 11.4.2 窗口分割117
      • 第12章 绘图系统ggplot2 119
      • 12.1 简介119
      • 12.2 使用qplot( ) 作图119
      • 12.2.1 一个小例子119
      • 12.2.2 修改图形属性121
      • 12.2.3 绘制常见图形123
      • 12.2.4 分面126
      • 12.3 基本语法127
      • 12.3.1 数据和映射128
      • 12.3.2 标尺129
      • 12.3.3 统计变换和几何对象130
      • 12.4 使用ggplot 作图131
      • 12.4.1 构建图层131
      • 12.4.2 映射函数133
      • 12.4.3 几何对象函数和统计变换函数134
      • 12.4.4 标尺函数136
      • 12.4.5 分面函数和坐标系统函数139
      • 12.4.6 图形输出140
      • 第2部分 统计学基础142
      • 第13章 描述性统计143
      • 13.1 数据类型144
      • 13.2 图表144
      • 13.2.1 频数分布表144
      • 13.2.2 直方图145
      • 13.3 数据的位置145
      • 13.4 数据的离散度148
      • 第14章 随机变量简介152
      • 14.1 概率与概率分布152
      • 14.1.1 离散型随机变量152
      • 14.1.2 连续型随机变量153
      • 14.2 期望值与方差154
      • 14.3 二项分布155
      • 14.4 正态分布(Normal Distribution) 158
      • 14.5 其他连续分布160
      • 14.5.1 卡方分布160
      • 14.5.2 t 分布161
      • 14.5.3 F 分布162
      • 14.6 变量的关系163
      • 14.6.1 联合概率分布163
      • 14.6.2 变量的独立性164
      • 14.6.3 变量的相关性164
      • 14.6.4 上证综指与深证综指的相关性分析165
      • 第15章 推断统计169
      • 15.1 参数估计169
      • 15.1.1 点估计170
      • 15.1.2 区间估计170
      • 15.2 案例分析172
      • 15.3 假设检验175
      • 15.3.1 两类错误176
      • 15.3.2 显著性水平与p 值176
      • 15.3.3 确定小概率事件177
      • 15.4 t 检验177
      • 15.4.1 单样本t 检验178
      • 15.4.2 独立样本t 检验179
      • 15.4.3 配对样本t 统计量的构造180
      • 第16章 方差分析183
      • 16.1 方差分析之思想183
      • 16.2 方差分析之原理184
      • 16.2.1 离差平方和185
      • 16.2.2 自由度186
      • 16.2.3 显著性检验187
      • 16.3 方差分析之R 语言实现188
      • 16.3.1 单因素方差分析188
      • 16.3.2 多因素方差分析189
      • 16.3.3 析因方差分析191
      • 第17章 回归分析193
      • 17.1 一元线性回归模型193
      • 17.1.1 一元线性回归模型193
      • 17.1.2 最小平方法194
      • 17.2 模型拟合度195
      • 17.3 古典假设条件下^_、^ _ 的统计性质195
      • 17.4 显著性检验197
      • 17.5 上证综指与深证成指的回归分析与R 语言197
      • 17.5.1 R 语言拟合回归函数198
      • 17.5.2 R 语言回归诊断函数199
      • 17.6 多元线性回归模型201
      • 17.6.1 多元线性回归模型202
      • 17.7 多元线性回归案例分析203
      • 第3部分 金融基础、投资组合与量化选股207
      • 第18章 资产收益率和风险208
      • 18.1 单期与多期简单收益率209
      • 18.1.1 单期简单收益率209
      • 18.1.2 多期简单收益率209
      • 18.1.3 R 函数计算简单收益率212
      • 18.1.4 单期与多期简单收益率的关系214
      • 18.1.5 年化收益率216
      • 18.1.6 考虑股利分红的简单收益率218
      • 18.2 连续复利收益率220
      • 18.2.1 多期连续复利收益率223
      • 18.2.2 单期与多期连续复利收益率的关系224
      • 18.3 绘制收益图225
      • 18.4 资产风险的来源226
      • 18.4.1 市场风险226
      • 18.4.2 利率风险227
      • 18.4.3 汇率风险227
      • 18.4.4 流动性风险227
      • 18.4.5 信用风险228
      • 18.4.6 通货膨胀风险228
      • 18.4.7 营运风险228
      • 18.5 资产风险的测度228
      • 18.5.1 方差228
      • 18.5.2 下行风险230
      • 18.5.3 风险价值231
      • 18.5.4 期望亏空233
      • 18.5.5 最大回撤233
      • 第19章 投资组合理论及其拓展239
      • 19.1 投资组合的收益率与风险239
      • 19.2 Markowitz 均值-方差模型243
      • 19.3 Markowitz 模型之R 语言实现247
      • 19.3.1 数据读取与整理247
      • 19.4 Black-Litterman 模型252
      • 第20章 资本资产定价模型260
      • 20.1 资本资产定价模型的核心思想260
      • 20.2 CAPM 模型的应用261
      • 20.3 R 语言计算单资产CAPM 实例263
      • 20.4 CAPM 模型的评价266
      • 第21章 Fama-French 三因子模型269
      • 21.1 Fama-French 三因子模型的基本思想269
      • 21.2 三因子模型之R 语言实现271
      • 21.3 三因子模型的评价276
      • 第4部分 时间序列基础与配对交易278
      • 第22章 时间序列基本概念279
      • 22.1 认识时间序列279
      • 22.2 R 中的时间序列分析包280
      • 22.3 时间序列数据处理函数283
      • 22.4 选取特定日期的时间序列数据284
      • 22.5 时间序列数据描述性统计286
      • 第23章 时间序列的基本性质289
      • 23.1 自相关性289
      • 23.1.1 自协方差290
      • 23.1.2 自相关系数290
      • 23.1.3 偏自相关系数290
      • 23.1.4 acf( ) 函数与pacf( ) 函数291
      • 23.1.5 上证综指的收益率指数的自相关性判断291
      • 23.2 平稳性295
      • 23.2.1 强平稳295
      • 23.2.2 弱平稳295
      • 23.2.3 强平稳与弱平稳的区别296
      • 23.3 上证综指的平稳性检验297
      • 23.3.1 观察时间序列图297
      • 23.3.2 观察序列的自相关图和偏自相关图298
      • 23.3.3 单位根检验299
      • 23.4 白噪声304
      • 23.4.1 白噪声304
      • 23.4.2 白噪声检验――Ljung-Box 检验305
      • 23.4.3 上证综合指数的白噪声检验307
      • 第24章 时间序列预测309
      • 24.1 移动平均预测309
      • 24.1.1 简单移动平均309
      • 24.1.2 加权移动平均310
      • 24.1.3 指数加权移动平均310
      • 24.2 ARMA 模型预测310
      • 24.2.1 自回归模型311
      • 24.2.2 移动平均模型313
      • 24.3 自回归移动平均模型314
      • 24.4 ARMA 模型的建模过程314
      • 24.5 CPI 数据的ARMA 短期预测315
      • 24.6 上证指数的平稳时间序列建模322
      • 第25章 GARCH 模型327
      • 25.1 资产收益率的波动率与ARCH 效应327
      • 25.2 ARCH 模型和GARCH 模型327
      • 25.2.1 ARCH 模型327
      • 25.2.2 GARCH 模型329
      • 25.3 ARCH 效应检验330
      • 25.4 GARCH 模型构建332
      • 25.5 GARCH 模型之VaR 应用336
      • 第26章 配对交易策略341
      • 26.1 什么是配对交易? 341
      • 26.2 配对交易的思想342
      • 26.3 配对交易的步骤343
      • 26.3.1 股票对的选择343
      • 26.3.2 配对交易策略的制定355
      • 26.3.3 多空股票的仓位配比359
      • 26.4 配对交易与R 语言360
      • 26.4.1 PairTrading 包360
      • 26.4.2 R 语言实测配对交易交易策略365
      • 第5部分 技术指标与量化投资377
      • 第27章 K 线图378
      • 27.1 K 线图简介378
      • 27.2 R 绘制上证综指K 线图380
      • 27.3 R 捕捉K 线图的形态384
      • 27.3.1 R 语言捕捉“早晨之星” 384
      • 27.3.2 R 语言捕捉“乌云盖顶”形态389
      • 第28章 动量交易策略396
      • 28.1 动量概念介绍396
      • 28.2 动量效应产生原因396
      • 28.3 价格动量的计算公式397
      • 28.3.1 作差法求动量值397
      • 28.3.2 作除法求动量值399
      • 28.4 R 中的动量相关函数400
      • 28.4.1 momentum( ) 函数400
      • 28.4.2 ROC( ) 函数401
      • 28.5 万科股票2015 年走势及动量线402
      • 28.6 动量交易策略的一般思路403
      • 28.6.1 运用动量指标交易万科股票403
      • 第29章 RSI 相对强弱指标410
      • 29.1 RSI 基本概念410
      • 29.2 R 语言计算RSI 值410
      • 29.3 TTR 包中的RSI( ) 函数417
      • 29.4 RSI 天数的差异418
      • 29.5 RSI 指标判断股票超买和超卖状态419
      • 29.6 RSI 的“黄金交叉”与“死亡交叉” 420
      • 29.7 交通银行股票RSI 指标交易实测421
      • 29.7.1 RSI 捕捉交通银行股票买卖点422
      • 29.7.2 RSI 交易策略执行及回测426
      • 第30章 均线系统策略431
      • 30.1 简单移动平均431
      • 30.1.1 简单移动平均数431
      • 30.1.2 简单移动平均函数434
      • 30.1.3 期数选择435
      • 30.2 加权移动平均435
      • 30.2.1 加权移动平均数435
      • 30.2.2 加权移动平均函数438
      • 30.3 指数加权移动平均438
      • 30.3.1 指数加权移动平均数438
      • 30.3.2 指数加权移动平均函数441
      • 30.4 常用平均方法的比较442
      • 30.5 TTR 包中的平均函数442
      • 30.6 中国银行股价数据与均线分析443
      • 30.7 均线时间跨度447
      • 30.8 中国银行股票均线系统交易448
      • 30.8.1 简单移动平均线制定中国银行股票的买卖点448
      • 30.8.2 双均线交叉捕捉中国银行股票的买卖点452
      • 30.9 异同移动平均线(MACD) 457
      • 30.9.1 MACD 的求值过程457
      • 30.9.2 TTR 包中的MACD( ) 函数459
      • 30.9.3 异同均线(MACD)捕捉中国银行股票的买卖点460
      • 30.10 多种均线指标综合运用模拟实测463
      • 第31章 通道突破策略470
      • 31.1 通道突破简介470
      • 31.2 唐奇安通道(Donchian Channel) 470
      • 31.2.1 唐奇安通道刻画470
      • 31.2.2 R 语言捕捉唐奇安通道突破474
      • 31.3 布林带(Bollinger Band)通道478
      • 31.3.1 布林带通道的计算方式479
      • 31.3.2 通道突破BBands( ) 函数481
      • 31.4 布林带通道与市场风险483
      • 31.5 通道突破交易策略的制定486
      • 31.5.1 布林带上下通道突破策略486
      • 31.5.2 另一种布林带通道突破策略488
      • 第32章 随机指标(KDJ)交易策略491
      • 32.1 什么是随机指标(KDJ) 491
      • 32.2 随机指标(KDJ)的原理491
      • 32.3 KDJ 指标的计算公式492
      • 32.3.1 未成熟随机指标RSV 492
      • 32.3.2 K、D 指标计算497
      • 32.3.3 J 指标计算501
      • 32.3.4 KDJ 指标简要分析502
      • 32.4 KDJ 指标的交易策略504
      • 32.5 R 语言KDJ 指标交易实测504
      • 32.5.1 KD 指标交易策略504
      • 32.5.2 KDJ 指标交易策略508
      • 32.5.3 K 线、D 线“金叉”与“死叉” 510
      • 第33章 量价关系分析516
      • 33.1 量价关系概述516
      • 33.2 量价关系分析516
      • 33.2.1 价涨量增516
      • 33.2.2 价涨量平518
      • 33.2.3 价涨量缩519
      • 33.2.4 价平量增520
      • 33.2.5 价平量缩520
      • 33.2.6 价跌量增520
      • 33.2.7 价跌量平521
      • 33.2.8 价跌量缩521
      • 33.3 不同价格段位的成交量与R 语言522
      • 33.4 成交量与均线思想结合制定交易策略524
      • 第34章 OBV 指标交易策略532
      • 34.1 OBV 指标概念532
      • 34.2 OBV 指标计算方法532
      • 34.3 OBV 指标的理论依据536
      • 34.4 OBV 指标的交易策略制定536
      • 34.5 OBV 指标交易策略的R 语言实测536
      • 34.6 OBV 指标的应用原则540

      以上就是本次介绍的量化投资电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:21天学通Python

      下一篇:粗糙集理论及其数据挖掘应用

      展开 +

      收起 -

      下载地址:百度网盘下载
      量化投资 相关电子书
      量化投资:数据挖掘技术与实践
      量化投资:数据挖掘技术与实践 PDF MATLAB影印版

      全书内容分为三篇。第一篇(基础篇)主要介绍数据挖掘与量化投资的关系,以及数据挖掘的概念、实现过程、主要内容、主要工具等内容。感兴趣的可以下载学习

      立即下载
      R的极客理想:量化投资篇
      R的极客理想:量化投资篇 PDF 清晰影印版

      本书主要的写作目的是把R语言的技术和实际的金融量化案例结合起来,让读者能切身体会如何把知识变成真正的生产力,感兴趣的同学可以一起下载了解一下

      立即下载
      Python与量化投资:从基础到实战
      Python与量化投资:从基础到实战 PDF 超清扫描版

      提供Python零基础入门及量化策略建模参考及实现,讲解如何利用Python进行量化投资,包括对数据的获取、整理、分析挖掘、信号构建、策略构建、回测、策略分析等,可作为专业金融从业者进行量化投资的工具书

      立即下载
      数据挖掘:R语言实战
      数据挖掘:R语言实战 PDF 影印版

      本书侧重使用R 进行数据挖掘,重点讲述了R 的数据挖掘流程、算法包的使用及相关工具的应用,同时结合大量精选的数据挖掘实例对R 软件进行深入潜出和全面的介绍,以便读者能深刻理解R 的

      立即下载
      数据科学:R语言实现
      数据科学:R语言实现 PDF 完整超清版

      这书根据简易形象化的R编码、慢慢深层次的解读及其节省成本的方式 ,出示了很多数据统计分析样例,终协助你高效率地处理各种统计数据难题。第1章详细介绍了怎样建立R涵数,防止多余的

      立即下载
      R语言与网站分析
      R语言与网站分析 PDF 完整版

      《R语言与网站分析》从互联网应用角度对R语言如何实现数据挖掘和指标分析等问题做了阐述。通过诸多真实应用案例的分析,作者试图为读者建立起一座沟通数学原理和互联网实际业务应用的

      立即下载
      预测分析建模:Python与R语言实现
      预测分析建模:Python与R语言实现 PDF 超清版

      本书介绍使用R与Python预测分析建模来解决实际问题,,并提供有效的解决方法。通过展示建模技术和编程工具,我们将抽象的概念转换为具体的例子,推荐阅读

      立即下载
      网络数据的统计分析:R语言实践
      网络数据的统计分析:R语言实践 PDF 清晰影印版

      本书用丰富的案例说明了如何利用多个R语言扩展包进行各类网络分析。R语言扩展包igraph提供了大量用于网络分析的功能,书中以其作为主要的工具

      立即下载
      读者心得
      14小时53分钟前回答

      r语言和python的详细对比

      r语言和python的对比,两者各有千秋,究竟要学哪一个,可根据自己的实际需求来作出选择,当然,最好是两者都学。 相关推荐:《python视频》 01 开发目的 R语言 R是由统计学家开发的,它的出生就肩负着统计分析、绘图、数据挖掘的重要使命。因此在R的语言体系里,有非常多统计学的原理和知识。 如果你具备一些统计背景,R会令你使用各类model和复杂的公式时更加愉悦有爽感,因为你总能找到对应的package,并且几行代码就可以调用搞定。 Python Python的创始人初衷,是为非专业程序员设计的一种开放型的语言。优雅,明确,简单,是它的标签。因此,总有人高唱「人生苦短,我用Python」。 数据分析、网……

      151小时48分钟前回答

      r语言处理数据比python慢吗

      什么是R语言? R语言,一种自由软件编程语言与操作环境,主要用于统计分析、绘图、数据挖掘。R本来是由来自新西兰奥克兰大学的罗斯·伊哈卡和罗伯特·杰特曼开发(也因此称为R),现在由“R开发核心团队”负责开发。R基于S语言的一个GNU计划项目,所以也可以当作S语言的一种实现,通常用S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。(推荐学习:Python视频教程) R的源代码可自由下载使用,亦有已编译的可执行文件版本可以下载,可在多种平台下运行,包括UNIX(也包括FreeBSD和Linux)、Windows和MacOS。R主要是以命令行操作,同时有人开发了几种图形用户界面。 R的功能能够通过由……

      18小时13分钟前回答

      简述:我为什么选择Python而不是Matlab和R语言

      做数据分析、科学计算等离不开工具、语言的使用,目前最流行的数据语言,无非是MATLAB,R语言,Python这三种语言,但今天小编简单总结了python语言的一些特点及平常使用的工具等。 为什么Python比MATLAB、R语言好呢? 其实,这三种语言都很多数据分析师在用,但更推荐python,主要是有以下几点: 1、python易学、易读、易维护,处理速度也比R语言要快,无需把数据库切割; 2、python势头猛,众多大公司需要,市场前景广阔;而MATLAB语言比较局限,专注于工程和科学计算方面,而且MATLAB价格贵,免费版或盗版都只能玩玩学习用; 3、python具有丰富的扩展库,这个是其他两个不能比的; python版本选择 初学者……

      18小时52分钟前回答

      R语言 vs Python对比:数据分析哪家强?

      什么是R语言? R语言,一种自由软件编程语言与操作环境,主要用于统计分析、绘图、数据挖掘。R本来是由来自新西兰奥克兰大学的罗斯·伊哈卡和罗伯特·杰特曼开发(也因此称为R),现在由“R开发核心团队”负责开发。R基于S语言的一个GNU计划项目,所以也可以当作S语言的一种实现,通常用S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。 R的源代码可自由下载使用,亦有已编译的可执行文件版本可以下载,可在多种平台下运行,包括UNIX(也包括FreeBSD和Linux)、Windows和MacOS。R主要是以命令行操作,同时有人开发了几种图形用户界面。 R的功能能够通过由用户撰写的包增强。增加的功……

      码农之家

      殳志勇 提供上传

      资源
      46
      粉丝
      21
      喜欢
      151
      评论
      14

      Copyright 2018-2021 www.xz577.com 码农之家

      版权投诉 / 书籍推广:520161757@qq.com