本書主要內容包括:
• 介紹了前沿的金融風險建模技術､投資組合優化的實用方法以及新的研究進展。
• 介紹了金融風險的典型特征､損失函數､風險測量方法､條件風險建模和無條件風險建模､極值理論､廣義雙曲線分布､波動率建模以及刻畫分布獨立性的相關概念。
• 探討了投資組合相關的風險概念以及帶風險約束的投資組合優化技術。
• 附有完整的R 軟件代碼，便于讀者重現書中的分析結果。
• 本書有一個支持網站，該網站提供了一系列相關代碼和案例。 本書適合金融學､經濟學和風險管理專業的研究生以及金融從業者､投資組合管理從業者閱讀，也可以作為上述各專業學生的計算機實驗課程教材，同時也適合自學。
前言
寫作本書的計劃始于2010 年。 當時，金融市場正處于危機之中，金融系統的運作困難重重。 彼時的金融市場上仍殘留美國房地產危機的影響，一些歐洲國家的主權債務危機也初現端倪。 各大央行紛紛采取措施向市場注入流動性以避免銀行間的市場發生崩潰。 在此期間有大量的金融書籍出版，但投資者在市場上依然蒙受著巨大的損失，與此同時，采用量化方法管理的基金業績表現糟糕，投資者開始懷疑量化方法的適用性，不相信量化投資方法能幫助他們免受過往曾遭受過的嚴重損失，保護好他們的財富。
在隨后的兩年這種現象并未改變，但關于量化技術是否存在局限性的爭論已經停止，金融風險建模與資產合理配置重新恢復了往日的重要性。 由于有20 世紀90年代末金融危機的經驗，量化技術重新得到了重視。
本書的內容主要針對上文中提到的金融風險建模和投資組合優化兩個主題，旨在幫助讀者掌握市場風險模型與投資組合優化技術。 我們將借助可免費獲取的統計計算軟件R 軟件來編程演示新近提出的量化投資技術。
如果沒有像R 這樣的軟件，以及眾多R 程序包開發者對R 軟件的貢獻，筆者將難以完成本書的編程部分。 因此，我要向R 語言核心團隊以及本書引用或使用的程序包的貢獻者表達誠摯的謝意。 此外，我想對那些沒有提及的貢獻者表達歉意，不要因為我的疏漏而忽略他們的存在。
此外，還要感謝John Wiley & Sons 公司，為我提供了編寫這本書的機會，尤其是Ilaria Meliconi 在第一時間啟動本書的編寫計劃，還要感謝Heather Kay 與RichardDavies 細致的編輯工作。 特別感謝Richard Leigh 嚴謹細致的文字編輯工作。
自然，書中的任何錯誤和遺漏完全是我的責任。 最后，我還要感謝我的愛妻Antonia，在我編寫本書期間很多時候無法陪伴她，她的支持與理解是本書出版的重要基石。
本書附隨一個網站，請訪問www.wiley.com/ go/ financial_risk。
伯恩哈德•拜福
目錄
譯者的話
前言
縮略語表
第1 部分 著述初衷
第1 章 簡介 3
參考文獻 5
第2 章 R 語言簡介 6
2.1 R 語言的起源與發展 6
2.2 獲取幫助 7
2.3 R 語言應用 10
2.4 類､方法與函數 11
2.5 本書自帶的教學包: FRAPO 包 19
參考文獻 24
第3 章 金融市場數據 25
3.1 金融市場收益率的統計特征 25
3.1.1 單變量時間序列的統計特征 25
3.1.2 多變量時間序列的統計特征 27
3.2 關于風險模型的影響 30
參考文獻 30
第4 章 風險度量 31
4.1 本章簡介 31
4.2 風險度量概述 31
4.3 投資組合相關的風險概念 35
參考文獻 37
第5 章 現代投資組合理論 38
5.1 本章簡介 38
5.2 馬科維茨投資組合理論 38
5.3 均值-方差投資組合理論 41
參考文獻 43
第2 部分 風險建模
第6 章 刻畫收益率的分布 47
6.1 預備知識 47
6.2 廣義雙曲分布 47
6.3 廣義lambda 分布 49
6.4 與GHD 相關的R 軟件包 55
6.4.1 fBasics 包 55
6.4.2 GeneralizedHyperbolic 包 56
6.4.3 ghyp 包 57
6.4.4 QRM 包 58
6.4.5 SkewHyperbolic 包 58
6.4.6 VarianceGamma 包 59
6.5 與GLD 相關的R 包 59
6.5.1 Davies 包 59
6.5.2 fBasics 包 59
6.5.3 gld 包 60
6.5.4 lmomco 包 61
6.6 GHD 在風險建模中的應用 61
6.6.1 用GHD 擬合股票收益率 61
6.6.2 用GHD 進行風險評估 64
6.6.3 重新審視典型特征 66
6.7 GLD 在風險建模和數據分析中的應用 68
6.7.1 單支股票的VaR 68
6.7.2 FTSE100 指數三角 70
參考文獻 72
第7 章 極值理論 74
7.1 預備知識 74
7.2 極值的理論､方法和模型 74
7.2.1 分塊極值模型 74
7.2.2 r 階最大順序模型 75
7.2.3 POT 方法 76
7.3 相關R 包簡介 78
7.3.1 evd 包 78
7.3.2 evdbayes 包 79
7.3.3 evir 包 80
7.3.4 fExtremes 包 81
7.3.5 ismev 包和extRemes 包 83
7.3.6 POT 包 84
7.3.7 QRM 包 84
7.3.8 Renext 包 85
7.4 極值理論的實證分析 86
7.4.1 本節概述 86
7.4.2 BMM 模型在西門子公司數據上的應用 86
7.4.3 r 分塊極大值模型在寶馬公司數據上的應用 89
7.4.4 POT 方法在波音公司數據上的應用 91
參考文獻 96
第8 章 波動率建模 97
8.1 預備知識 97
8.2 ARCH 模型的種類 97
8.3 相關的R 軟件包 100
8.3.1 bayesGARCH 包 100
8.3.2 ccgarch 包 101
8.3.3 fGarch 包 101
8.3.4 gogarch 包 102
8.3.5 rugarch 包和rmgarch 包 103
8.3.6 tseries 包 105
8.4 波動率模型實證分析 105
參考文獻 107
第9 章 相依性建模 109
9.1 概述 109
9.2 相關性､獨立性和分布 109
9.3 Copula 111
9.3.1 起因 111
9.3.2 相關性與獨立性回顧 112
9.3.3 Copula 的分類 113
9.4 相關的R 包 117
9.4.1 BLCOP 包 117
9.4.2 copula 包和nacopula 包 117
9.4.3 fCopulae 包 119
9.4.4 gumbel 包 120
9.4.5 QRM 包 121
9.5 copula 函數相關的實證分析 121
9.5.1 GARCH-copula 模型 121
9.5.2 混合copula 126
參考文獻 128
第3 部分 投資組合優化
第10 章 穩健投資組合優化 133
10.1 概述 133
10.2 穩健統計理論 133
10.2.1 動機 133
10.2.2 選擇穩健估計量 134
10.3 穩健優化 137
10.4 相關R 包 141
10.4.1 covRobust 包 142
10.4.2 fPortfolio 包 142
10.4.3 MASS 包 143
10.4.4 robustbase 包 143
10.4.5 robust 包 144
10.4.6 rrcov 包 145
10.4.7 Rsocp 包 146
10.5 實證分析 146
10.5.1 投資組合模擬: 穩健統計與經典統計 146
10.5.2 投資組合回測: 穩健方法與經典統計方法 152
10.5.3 投資組合回測: 穩健優化 155
參考文獻 160
第11 章 重新思考多元化 162
11.1 簡介 162
11.2 多元化投資組合 163
11.3 加入風險約束的投資組合 165
11.4 最優化尾部相關投資組合 167
11.5 相關的R 包 169
11.5.1 DEoptim 包和RcppDE 包 169
11.5.2 FRAPO 包 171
11.5.3 PortfolioAnalytics 包 172
11.6 實證分析 172
11.6.1 不同方法的比較 172
11.6.2 優化尾部依賴投資組合與基準的比較 177
11.6.3 預期虧損的極限分布 181
參考文獻 184
第12 章 風險最優投資組合 186
12.1 概述 186
12.2 均值- VaR 投資組合 186
12.3 最優CVaR 投資組合 191
12.4 最優回撤投資組合 195
12.5 相關R 包 197
12.5.1 fPortfolio 包 197
12.5.2 FRAPO 包 198
12.5.3 R 中的線性規劃包 199
12.5.4 PerformanceAnalytics 包 203
12.6 實證分析 204
12.6.1 最小化CVaR 和最小方差投資組合比對 204
12.6.2 回撤約束的投資組合 208
12.6.3 股票投資的回測對比 212
參考文獻 218
第13 章 戰術性資產配置 220
13.1 概述
新書資訊