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
從2021年開始,日元大幅貶值,這不是一個短時的市場現象,而是日本外貿、經濟增長結構發展遭遇拐點的必然結果。外部的市場現象只不過是這場巨變的催化劑。本書并不是一本探討日元短期下跌的市場分析書籍,作者希望創作一本“不會因時間而腐朽的著作”,希望通過日元暴跌背后幾十年的日本外貿、國債發展歷程,探討國際貿易、匯率、經濟增長背后的深刻邏輯,同時還揭示匯率變化對經濟和普通人的生活的影響。作者認為,根據金特爾伯格的“國際收支發展階段論”理論,日本已經完整走完了整個周期,當下正面對著債權國地位崩潰的現實。而對
作者以其駐外一線深厚金融業內經驗根基和長期經濟金融理論研究的功底,跟蹤美國金融、經濟政策演變及其影響,細察百年變局及國際大勢,文章觀點鮮明、邏輯嚴謹、影響廣泛。該書稿筆力精進,觀點成熟,引發了讀者的熱評和積極反響,在各主要財經媒體廣泛傳播。書稿對讀者理解當前中美經濟關系以及國際政治經濟領域的重大事件、演進趨勢及內在邏輯,可提供某種具有啟發性的角度。書稿精選過去3年來作者發表的關于中美經濟關系的評述文章做結集出版。
本書從回顧貨幣及金融發展史出發,分析了數字化貨幣誕生的必然性及必要性,以詳細剖析具 有開創性的比特幣系統的基礎技術、體系架構、數據結構、核心算法、通信協議的方式,解構其金 融科技的本質和能力,以點帶面、舉一反三,揭示區塊鏈技術和應用的演化發展規律,論述區塊鏈 作為數字底座對于金融科技及各領域數字化轉型升級的關鍵性支撐作用,以及在實現數字身份、數 字資產、審計監管、自治組織方面對當前數字經濟、未來元宇宙的穩定性基石作用。
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