[按需印刷]定量投资分析(原书第2版) (美)理查德 A. 德弗斯科丹尼…|972745 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

美 理查德 A 德弗斯科，丹尼斯 W 著，劳兰珺 王祺 译

图书标签:

• 定量投资
• 投资分析
• 金融工程
• 风险管理
• 投资策略
• 金融建模
• 期权定价
• 德弗斯科丹尼
• 按需印刷
• 金融

店铺： 互动出版网图书专营店

出版社： 机械工业出版社

ISBN：9787111388029

商品编码：27389241408

丛书名： CFA协会投资系列

出版时间：2012-07-01

页数：421

书[0名0]：	定量投资分析(原书[0第0]2版)[按需印刷]|972745
图书定价：	99元
图书作者：	(美)理查德 A. 德弗斯科;丹尼斯 W. 麦克利维;杰拉尔德 E. 平托;戴维 E. 朗克尔
出版社：	[1机1] 械工业出版社
出版日期：	2012/7/1 0:00:00
ISBN号：	9787111388029
开本：	16开
页数：	421
版次：	2-1

作者简介

理查德A．德弗斯科，特许金融分析师，内布拉斯加[0大0][0学0]林肯分校(Nebraska—Lincoln，UNL)金融[0学0]副教授。他于1999年获得了特许金融分析师的执照。德弗斯科是奥马哈—林肯金融分析师协[0会0]的成员，并且在罗德岛[0大0][0学0]获得了管理[0学0]的[0学0]士[0学0]位，在田纳西—诺克斯维尔[0大0][0学0]获得了金融[0学0]博士[0学0]位。丹尼斯W．麦克利维，特许金融分析师，CFA协[0会0]职业发展部主管。在麦克利维25年的[0学0]术生涯中，他曾分别任教于西安[0大0]略[0大0][0学0]、康乃迪克[0大0][0学0]、罗德岛[0大0][0学0](在这里，他创建了一家由[0学0]生管理的基金)以及巴布森[0学0]院。麦克利维于1972年在印[0第0]安纳[0大0][0学0]获得了生产管理和工业工程的博士[0学0]位，并于1990年获得了特许金融分析师的执照。杰拉尔德E．平托，特许金融分析师，CFA协[0会0]CFA和CIPM项目部的主任。在2002年加入CFA协[0会0]之前，他一直在为有限责任公司、基金[0会0]以及合伙企业提供投资计划、投资组合分析以及定量投资分析方面的咨询服务。他也曾[0经0]在纽约市投资和银行业任职，并在纽约[0大0][0学0]斯特恩[0商0][0学0]院教授过金融[0学0]。平托在布鲁克[0学0]院获得了MBA[0学0]位，在斯特恩[0商0][0学0]院获得了金融[0学0]博士[0学0]位，并于1992年获得了特许金融分析师的执照。戴维E．朗克尔，特许金融分析师，美[0国0]银行贾弗瑞公司副主席和研究部[0经0]理。他自1989年起就是明尼苏达[0大0][0学0]卡尔森管理[0学0]院的兼职教授。朗克尔在卡尔顿[0学0]院获得了[0经0]济[0学0][0学0]士[0学0]位，并在麻省理工[0学0]院获得了[0经0]济[0学0]博士[0学0]位。劳兰珺，德[0国0]波恩[0大0][0学0]博士，复旦[0大0][0学0] 财务金融系教授、博士生导师，研究方向为金 融工程、投资管理。在[0国0]内外重要[0学0]术期刊上 发表资产定价、投资分析与投资组合管理等方 面的论文数十篇。王祺，复旦[0大0][0学0]管理[0学0]院财务金融系博士研究生。

内容简介

作为CFA协[0会0]投资[0学0]系列丛书中的一本，无论是关注金融的[0学0]生，还是从事投资的业界人士，《定量投资分析》(原书[0第0]2版)适合每一位对该[0领0]域有兴趣的读者。本书所介绍的全球通用的准则将帮助你理解定量投资方[0法0]，并将这些方[0法0]应用到[0当0]今的投资过程中。 在新的一版中，作者对该[0学0]科中的相关内容进行了更新；并对一些主要内容(包括回归、时间序列和多因子模型)的表述和介绍进行了修改；此外，还提供了更加丰富多彩的投资实例，这些实例反映了在[0当0]前投资界中所发生的变化。 《定量投资分析(原书[0第0]2版)》对许多定量分析方[0法0]予以了清晰的介绍，并给出了实例，因此非常适合读者的自[0学0]和参考。本书讨论的主题包括： 货币的时间价值 折现现金流的应用 常用概率分布 抽样和估计 假设检验 相关性和回归 多元回归和回归分析中的一些问题 时间序列分析 投资组合的概念 每位作者都在书中给出了各自的实践[0经0]验及其[0独0]到观点，因此，原书[0第0]2版的《定量投资分析》浓缩了在[0当0]今瞬息万变的金融环境中获得成功所需的所有[0知0]识、技巧和能力。

目录

《定量投资分析(原书[0第0]2版)》 致中[0国0]读者(艾博科) 丛书序(杰夫·狄尔梅尔) 前言(马克J.P.安森) 致谢 [0第0]1章货币的时间价值 1．1引言 1．2利率：[0经0]济[0学0]的解释 1．3单笔现金流的将来值 1．4现金流序列的将来值 1．5单笔现金流的现值 1．6现金流序列的现值 1．7求解利率、期数或年金支付额 [0第0]2章贴现现金流的应用 2．1引言 2．2净现值和内部收益率 2．3投资组合收益的度量 2．4货币市场收益率 [0第0]3章统计[0学0]概念和市场收益率 3．1引言 3．2一些基本概念 3．3用频数分布汇总数据 3．4数据的图形表示 3．5集中趋势的度量 3．6位置的度量：分位数 3．7离散度的度量 3．8收益率分布的对称性和偏度 3．9收益率分布的峰度 3．10使用几何平均和算术平均 [0第0]4章概率论中的一些概念 4．1引言 4．2概率、期望值和方差 4．3投资组合的期望收益和收益的方差 4．4概率论的一些议题 [0第0]5章常用概率分布 5．1引言 5．2离散型随 [1机1] 变量 5．3连续型随 [1机1] 变量 5．4蒙特卡罗模拟 [0第0]6章抽样和估计 6．1引言 6．2抽样 6．3样本均值的分布 6．4总体均值的点估计和区间估计 6．5抽样中的若干问题 [0第0]7章假设检验 7．1引言 7．2假设检验 7．3关于均值的假设检验 7．4关于方差的假设检验 7．5其他议题：非参数推断 [0第0]8章相关性和回归 8，1引言 8．2相关性分析 8．3线性回归 [0第0]9章多元回归和回归分析中的问题 9．1引言 9．2多元线性回归 9．3虚拟变量在回归中的使用 9．4回归假设的违背 9．5模型设定和设定中的错误 9．6因变量是定性变量的模型 [0第0]10章时间序列分析 10．1引言 10．2处理时间序列数据所面临的挑战 10．3趋势模型 10．4白回归时间序列模型 10．5随 [1机1] 游走和单位根 10．6移动平均时间序列模型 10．7时间序列模型中的季节性 10．8自回归移动平均模型 10．9自回归条件异方差模型 10．10两个以上时间序列的回归 10．11时间序列的其他议题 10．12时间序列预测建议采取的步骤 [0第0]11章投资组合的概念 11．1引言 11．2均值方差分析 11．3均值方差分析在应用中的问题 11．4多因素模型 附录 术语表 参考文献 CFA项目介绍 作者简介 译者后记

量化投资的基石：深入解析现代金融的数学引擎 在波诡云谲的金融市场中，理性与数据正逐渐取代直觉与经验，成为引领投资决策的关键力量。本书并非直接呈现某一本特定书籍的详细内容，而是旨在为读者勾勒出量化投资分析这一广阔领域的核心脉络与重要议题。它将带领我们深入理解那些支撑现代金融市场运转、驱动资产管理行业发展的数学与统计学工具，揭示数据如何转化为可操作的投资策略，以及如何构建和优化一套严谨的量化投资体系。 量化投资的定义与演进 量化投资，顾名思义，是指利用数学模型、统计方法、计算机算法等量化手段，对金融市场进行分析，从而识别投资机会、构建投资组合、进行风险管理并最终实现投资目标的一种投资范式。与传统的定性分析侧重于对公司基本面、宏观经济形势、行业趋势等的深入解读不同，量化投资更关注那些可以被数据捕捉和衡量的模式、关系和规律。 量化投资的兴起并非一蹴而就，而是金融工程、计算科学、统计学和经济学等学科不断融合、协同发展的产物。从早期的资产定价模型，如夏普的比率、资本资产定价模型（CAPM），到后来的多因子模型，再到如今人工智能和机器学习在量化投资中的广泛应用，量化投资的工具箱日益丰富，其分析的深度和广度也在不断拓展。本书将引导读者追溯这一演进历程，理解不同阶段的理论突破和技术革新如何塑造了今天的量化投资格局。 核心概念与分析工具 要理解量化投资，首先需要掌握一系列核心概念和分析工具。本书将深入浅出地介绍这些基石： 统计学基础： 概率论、统计推断、假设检验、回归分析等是量化投资的语言。我们将探讨如何利用这些工具来理解资产收益的分布特征、检验投资策略的有效性、评估模型的统计显著性。例如，理解正态分布、泊松分布等概率分布，以及如何计算均值、方差、协方差、相关系数等统计量，是分析金融数据的基础。假设检验将帮助我们判断观察到的市场现象是否具有统计学意义，还是仅仅是随机波动。回归分析则能揭示变量之间的数量关系，为预测和建模提供基础。 时间序列分析： 金融市场数据的核心特征之一是其时间依赖性。时间序列分析技术，如ARIMA模型、GARCH模型等，能够捕捉资产收益率的自相关性、波动率聚集等现象，从而更好地预测未来的价格走势和波动风险。我们将学习如何识别时间序列的平稳性、季节性、趋势性，以及如何构建模型来描述和预测这些动态变化。 数据挖掘与机器学习： 随着大数据时代的到来，数据挖掘和机器学习技术在量化投资中的作用日益凸显。本书将介绍监督学习（如线性回归、逻辑回归、支持向量机、决策树、随机森林、梯度提升树）和无监督学习（如聚类分析、主成分分析）等算法，以及它们在特征工程、因子挖掘、交易信号生成、风险建模等方面的应用。特别地，我们会关注如何利用深度学习（如循环神经网络RNN、长短期记忆网络LSTM、卷积神经网络CNN）来处理复杂的非线性关系和序列数据，从而发现更深层次的市场规律。 因子模型： 因子模型是量化投资中最重要且最成功的分析框架之一。它认为资产的收益可以通过一系列公开的、可解释的因子来解释。本书将详细介绍经典的因子模型，如Fama-French三因子模型、五因子模型，以及如何构建新的因子（例如，由公司财务数据、市场数据、宏观经济数据等衍生出的因子）。我们将探讨如何通过因子暴露来理解资产的风险来源，如何利用因子来构建具有特定风险收益特征的投资组合。 投资组合理论： 马科维茨的现代投资组合理论（MPT）是量化投资的另一基石。本书将深入探讨如何利用均值-方差模型来构建最优投资组合，实现风险和收益的有效边界。我们将学习如何计算投资组合的预期收益、风险（方差或标准差），以及如何通过优化技术来寻找最优资产配置比例。同时，我们也会介绍均值-方差模型的局限性，以及一些更先进的投资组合优化方法，如Black-Litterman模型、风险平价模型等。 风险管理： 量化投资不仅追求收益，更重视风险控制。本书将涵盖各种量化风险管理工具，包括VaR（Value at Risk）、CVaR（Conditional Value at Risk）、压力测试、情景分析等。我们将学习如何度量、监测和控制不同类型的风险，如市场风险、信用风险、流动性风险等，以确保投资组合的稳健性。 构建与实践量化投资策略 理解了核心概念和工具后，如何将它们转化为实际的投资策略是量化投资的关键。本书将系统地引导读者完成这一过程： 1. 策略的产生与研发： 数据收集与清洗： 介绍金融数据的来源、获取方式，以及数据预处理的重要性，包括缺失值处理、异常值检测、数据标准化等。 因子挖掘与构建： 如何从海量数据中发现具有预测能力的因子，并对其进行有效构建和组合。 策略规则定义： 将数学模型和统计发现转化为具体的交易规则，例如，当某个因子超过某个阈值时进行买入或卖出。 回测（Backtesting）： 这是量化策略研发的核心环节。我们将详细介绍如何使用历史数据来模拟策略的交易过程，评估其历史表现。重点会放在回测过程中的注意事项，如避免数据泄露、过度拟合（overfitting）、考虑交易成本和滑点等。 模型评估与选择： 如何利用各种统计指标（如夏普比率、索提诺比率、最大回撤、年化收益率等）来评估策略的表现，并进行模型选择和优化。 2. 策略的实施与交易执行： 交易系统： 介绍构建自动化交易系统的基本要素，包括行情接入、委托下单、订单管理、成交回报等。 交易执行算法： 讨论如何利用VWAP（Volume Weighted Average Price）、TWAP（Time Weighted Average Price）等算法来最小化交易对市场价格的影响，降低交易成本。 微观结构分析： 简要介绍订单簿、买卖价差等微观市场结构的概念，以及它们如何影响交易执行。 3. 风险管理与组合构建： 仓位管理： 如何根据策略的风险收益特征和市场状况来动态调整持仓比例。 动态再平衡： 讨论投资组合如何随着市场变化和资产表现进行调整，以维持预期的风险收益特征。 风险监控与预警： 建立实时风险监控系统，一旦出现风险超出预设范围，能够及时发出预警并采取应对措施。 量化投资的未来展望 本书不会止步于当前的理论和实践，还会展望量化投资的未来发展方向。随着计算能力的飞速提升、人工智能技术的不断突破以及金融市场数据的日益丰富，量化投资将迎来更广阔的发展空间。本书将探讨诸如： 深度学习与强化学习在交易中的应用： 如何让算法自主学习交易策略，适应不断变化的市场环境。 另类数据（Alternative Data）的应用： 如社交媒体情绪、卫星图像、信用卡交易数据等，如何从中提取有价值的投资信号。 高频交易与算法交易的发展： 对市场微观结构更深层次的理解和利用。 可持续投资与ESG（环境、社会、公司治理）因子的量化分析： 如何将非财务因素纳入量化投资框架。 对模型风险的深入探讨： 量化模型并非完美无缺，理解模型的假设、局限性和潜在风险至关重要。 结语 本书旨在为读者提供一个系统、深入、实用的量化投资分析框架。它不仅仅是一份关于理论的介绍，更是一本关于如何将理论应用于实践的指南。通过掌握书中所涵盖的知识和方法，读者将能够更清晰地认识量化投资的逻辑，理解其在现代金融市场中的重要作用，并为进一步深入研究和实践打下坚实的基础。无论您是金融领域的从业者、对投资感兴趣的学者，还是希望提升投资技能的个人投资者，本书都将为您打开一扇通往数据驱动投资世界的大门。

评分☆☆☆☆☆

这本书的印刷质量和装订方式真的非常令人惊喜，尤其是“按需印刷”这个标签，我之前一直有些疑虑，担心会是那种粗制滥造的副本。但拿到手后，那种厚实的书页触感，清晰的字体排版，以及坚固的装订，都完全打消了我的顾虑。它不像那种薄薄的、容易散架的平装书，更像是精心制作的硬皮书，即便是经常翻阅，页脚也不会出现卷边或者松动的情况。封面的设计也很简洁大气，虽然我更关注内容，但良好的外在呈现确实能提升阅读体验。而且，这本书的尺寸适中，方便携带，无论是放在书包里通勤，还是在咖啡馆里翻阅，都显得恰到好处。我一直觉得，一本好书，从拿到手的那一刻起，就应该给予读者一种仪式感，而这本书在这方面做得相当出色。它让我觉得，即使是按需印刷，也能拥有不输于传统精装书的质感，这在当下这个追求效率和成本控制的时代，显得尤为难得。我甚至开始考虑，以后购买一些经典著作时，是否可以优先选择按需印刷的版本，因为这次体验让我觉得，质量真的有所保障，不必因为“按需”而降低期待。

评分☆☆☆☆☆

从内容深度和理论严谨性上来说，这本书绝对是“干货”满满。它并没有采用那种通俗易懂、简化理论的方式来介绍量化投资，而是相当直接地进入了核心的技术和数学模型。对于我这种对金融工程和统计学有一定基础的读者来说，这正是所需要的。书中出现的公式和推导，虽然一开始可能需要花费一些时间去理解，但一旦掌握，你会发现它为你打开了一个全新的视角来审视市场。作者对于每一个模型参数的设定，每一个假设的来源，都进行了详尽的解释，这使得你在理解模型的同时，也能对其局限性有所认识。我特别喜欢它在讨论模型优化和回测时，那种近乎吹毛求疵的严谨态度。它反复强调了过度拟合的风险，以及如何通过交叉验证、 out-of-sample testing等方法来规避。这种对细节的极致追求，正是量化投资成功的关键。虽然阅读过程需要付出一定的努力，但回报是巨大的，它帮助我建立了一个扎实的理论基础，并且能够以一种更加科学、系统的方式去分析和构建投资策略。

评分☆☆☆☆☆

这本书最令我印象深刻的是它在探讨量化投资的“艺术”与“科学”之间的平衡。我之前总觉得量化投资是一个完全偏向于“科学”和“数据”的领域，但这本书通过丰富的案例和作者的经验分享，让我看到了其中蕴含的“艺术”成分。它不仅仅是关于算法和数学公式，更是关于对市场人性的洞察，对风险的直觉把握，以及在模型失效时的灵活应变。作者在书中分享的一些个人经历和反思，非常接地气，也充满了智慧。他并没有神化量化投资，而是坦诚地讨论了其中的挑战和困难，以及如何在不确定性中寻找确定性。这种真诚的态度，让我觉得与作者之间产生了一种共鸣。这本书教会我，量化投资不是一个死板的、机械化的过程，而是一个需要不断学习、不断反思、不断进化的过程。它鼓励我将技术能力与独立思考结合起来，去探索更适合自己的投资之道。在阅读过程中，我不仅仅是在学习知识，更是在进行一次关于投资理念的深刻对话。

评分☆☆☆☆☆

这本书的内容触及到了我一直以来非常感兴趣的领域，尤其是它在探讨如何将复杂的金融模型变得更具操作性和实操性方面，给出了很多深刻的洞见。我尤其欣赏它在解释那些看似晦涩难懂的量化策略时，那种层层递进、循序渐进的逻辑构建。作者并没有直接抛出结论，而是花了大量篇幅去剖析每个模型背后的假设，以及这些假设在现实市场中可能面临的挑战。这对于我这种希望深入理解“为什么”而不仅仅是“怎么做”的读者来说，简直是福音。它没有回避那些技术性的细节，但又通过大量的案例分析和图表展示，将理论与实践紧密地结合起来。我尝试着去应用书中的一些方法论，在模拟交易中进行验证，发现确实能够捕捉到一些我之前可能忽略的市场信号。这种将理论知识转化为实际操作能力的学习过程，让我感到非常有成就感。而且，这本书并非一味地强调技术，它同样关注到策略的风险管理和优化，这在量化投资领域是至关重要的一个环节。

评分☆☆☆☆☆

这本书最让我感到耳目一新的是它在分析宏观经济因素对量化策略影响的角度。通常我们接触到的量化分析书籍，更多地侧重于微观层面的数据挖掘和模型构建，而这本书则将视野放得更开阔，深入探讨了诸如利率变动、通胀预期、地缘政治风险等宏观变量，是如何潜移默化地影响到投资组合的有效性和稳定性。作者通过历史数据回溯和情景模拟，生动地展示了在不同的宏观经济环境下，哪些量化因子可能失效，哪些模型需要进行调整，以及如何构建能够适应这种不确定性的策略。这种跨领域的融合性思考，对于我这种希望建立更全面、更稳健的投资框架的读者来说，无疑是一次思想上的洗礼。它让我意识到，单纯依赖技术指标和历史数据进行预测，在面对宏观层面的“黑天鹅”事件时，可能会显得力不从心。这本书提供了一个更宏观的视角，帮助我理解市场动态的复杂性和多层次性，从而能够更理性地进行投资决策，而不是仅仅被表面的数据所迷惑。