本書是馬丁•弗里德森對100年間美國股市10次大牛市的考察。和很多分析師一樣,弗里德森相信研究市場過去的表現可以找到市場未來走向的線索。作為華爾街最有思想和洞察力的分析師之一,他的方法獨特而簡單:研究1900年以后的100年間,年均回報超過35%的10次大牛市。這些大牛市有什么共同點?我們怎么樣才能預知下一次牛市的到來?書中呈現了當時的經濟金融數據、官方政策,還收錄了《巴倫周刊》《文學文摘》等著名刊物當時對市場的評論。而且他把當時各色著名人物的市場言論和表現也寫進去了。本書發現了促生
這是一本讀起來很輕松的書,作者的寫作重點沒有放在和投資相關的專業知識上,而是借世界知名大偵探成功破案的經歷告訴人們:一名優秀的投資者需要具備的做事風格和心理品質,和偉大偵探有異曲同工之妙。 這是一本寫給投資者的書,同樣也是寫給偵探迷的書,作者希望表達的觀點是:投資和探案一樣,是有關認真解謎的冒險,而不是隨意猜謎的游戲。 投資和偵探這兩個職業,表面看上去毫無關系,作者卻發現了底層的相通之處:偉大偵探在千絲萬縷的線索之中,找到破局的關鍵支點,投資者在瞬息萬變的局勢里,
本書是作者多年期權投資經驗的總結,注重從體系化角度思考不同期權策略之間的關系,引導讀者形成“先整體、后局部”的投資思考習慣。 全書分為入門篇、進階篇、升華篇三個部分,由淺入深、層層遞進。基礎篇盡量通俗易懂,包括趨勢策略、非趨勢策略等在內的基礎期權交易策略。進階篇講究實踐務實,包括中性賣方策略、波動率交易策略等在內的高階期權交易策略。升華篇追求邏輯體系,包括期權反脆弱策略、期權指增策略等在內的體系化期權投資框架。本書在介紹期權策略時,除了結合案例講述外,還盡可能運用歷史數據回測,讓讀者從整體上
本書共分為七個章節,第一章簡單介紹了研究背景及意義;第二章梳理了當前國內外關于股票市場分歧的研究進展,并提出了本書的研究問題;第三章和第四章提出了股票市場結構性分歧概念,并探討了市場結構性分歧對市場收益及趨勢預測的影響;第五章、第六章提出了市場結構性分歧視角下的擇股策略;最后一章對全書進行了總結,并對未來的研究進行了展望。
本書是作者對自己20多年投資經驗的深刻總結,結合本杰明,格雷厄姆、沃倫·巴菲特、查理·芒格等投資大師的價值投資理念,揭示了價值投資的底層邏輯,梳理了價值投資的選股重點、財務報表的分析要點以及投資者需要掌握的投資原則,提出價值投資逆向思維與反“羊群效應”的操作模式。
本書為中糧期貨公司的資深交易專家,在業內有“黃銅鋁”之稱的黃圣根老師時隔十年的新著作。自從上一版圖書出版后十年,黃老師又經歷了幾次大宗商品市場交易的洗禮,對市場形成了全新的認識。相較于上一本書的重市場分析,重趨勢的研判策略,本次的這本書更注重交易策略,注重資金管理,注重交易心理。黃老師認為期貨交易的成功是有一定概率性的,與其押注在小概率的大勝事件上,不如押注于大概率的小勝。而將籌碼資金進行細分,就能為自己贏取更多的交易機會,從而積小勝,維持穩定的年化收益率,從而成為交易人生的贏家。
本書著重從多個方面為讀者講解期貨市場中價格波動時的各種規律性變化,從而讓讀者擁有掌握價格波動規律、看透當下行情演變的分析能力。價格波動規律是歷史大數據的結晶,當某一種現象經常在歷史上重復,而當下又再度形成該規律性變化時,投資者必須引起重視,這將很可能會帶來一次較大的操作機會。首先為讀者朋友介入的是行情演變時的規律性變化,學會了這些內容,讀者朋友再面對價格行情的變化時,便可以做出準確的定性,從而結合行情演變的性質制定出現符合實際走勢的操作策略。其次,為讀者朋友講解量能形態的種種規
本書較全面和系統地闡述了互聯網金融理財產品收益與風險度量及控制方法,研究對象包括P2P網絡借貸、互聯網眾籌、互聯網活期保險理財及結構性理財產品等,研究方法包括復雜網絡、深度學習、大數據分析、隨機分析、人工智能技術等,研究成果既有理論模型和方法的創新,又有中國互聯網金融市場的實際應用結果,豐富了互聯網金融理論與實踐。
本書內容分為五部分:第一部分,基金基礎知識。主要介紹基金的基本概念、分類、運作流程等基礎知識。第二部分,基金投資策略。主要介紹選擇基金考察的主要指標,購買基金的步驟,以及貨幣型、債券型、股票型和混合型等不同類型基金的投資技巧。第三部分,基金作為配置工具的運用。主要介紹基金組合的構建,為什么要構建基金組合、組合的分類、如何構建組合,以及基金組合的優化等內容。第四部分,基金風險和績效評估。這部分主要介紹如何評估基金的風險和收益,通過定量和定性分析,幫助讀者了解基金的風險水平、盈利能力等信息
本書內容包括:(1)經濟金融數據分析及其環境;(2)Python數據分析程序包應用基礎;(3)Python數據分析的存取;(4)Python圖形的繪制和可視化;(5)概率統計分布的Python應用;(6)描述性統計的Python應用;(7)參數估計的Python應用;(8)假設檢驗的Python應用;(9)一元回歸數據分析Python應用;(10)多元回歸數據分析的Python應用;(11)機器學習數據分析的Python應用;(12)時間序列數據分析的Python應用;(13)量化金融數據