Computational Finance: An Introductory Course with R

این کتاب طیف گسترده‌ای از موضوعات و در عین حال ضروری را در امور مالی محاسباتی (CF) پوشش می‌دهد که به عنوان ترکیبی از امور مالی، آمار محاسباتی و ریاضیات مالی شناخته می‌شود. از این نظر در نوع خود بی نظیر است، زیرا به اصول اساسی هر سه مؤلفه اصلی CF، با مثال های عملی برای مدل های برنامه نویسی در R اشاره می کند. بنابراین، فصل اول مقدمه ای بر اصول مالی شرکتی ارائه می دهد. : بازارهای سهام و اختیارات، ارزش گذاری و تئوری اقتصادی، در چارچوب نظریه محاسبات و اطلاعات (مثلاً فرضیه معروف بازار کارآمد از نظر پیچیدگی محاسباتی، دیدگاهی جدید بیان شده است). در فصول 2 و 3 ابزارهای لازم آمار برای تجزیه و تحلیل سری های زمانی مالی ارائه شده است، همچنین به مفاهیم همبستگی، علیت و خوشه بندی عمیق می پردازد. فصل 4 و 5 مهم ترین مدل های گسسته و پیوسته سری های زمانی مالی را بررسی می کند. هر مدل با یک برنامه نمونه در R ارائه شده است. فصل 6 اصول تجزیه و تحلیل فنی (TA) و تحلیل بنیادی را پوشش می دهد. این فصل برای افرادی که خارج از دانشگاه و وارد دنیای سرمایه‌گذاری‌های مالی هستند، به عنوان آغازگر روش‌های ترسیم و تحلیل ارزش سهام، همانطور که در صنعت مالی انجام می‌شود، مناسب است. علاوه بر این، یک پایه ریاضی برای روش‌های به‌ظاهر ad-hoc TA ارائه شده است، و این در ارائه TA جدید است. فصل 7 مهم ترین روش های اکتشافی برای بهینه سازی را بررسی می کند: بازپخت شبیه سازی شده، برنامه ریزی ژنتیکی، و کلونی مورچه ها (هوش ازدحام) که موادی برای تغذیه خوانندگان باهوش کامپیوتر است. فصل 8 اصول اولیه مدیریت پورتفولیو را از طریق مدل میانگین واریانس و بهینه‌سازی تحت محدودیت‌های مختلف ارائه می‌دهد که به دلیل پیچیدگی آن، موضوع تحقیق فعلی در محاسبات است. یکی از جنبه های مهم این فصل این است که نحوه استفاده از ابزارهای قدرتمند برای تجزیه و تحلیل پورتفولیو از بسته RMetrics R را آموزش می دهد. فصل 9 ادامه طبیعی فصل 8 به حوزه جدید تحقیق در مورد انتخاب پورتفولیو آنلاین است. مدل اصلی مجموعه جهانی پوشش و روش های تقریبی برای محاسبه نیز شرح داده شده است.

The book covers a wide range of topics, yet essential, in Computational Finance (CF), understood as a mix of Finance, Computational Statistics, and Mathematics of Finance. In that regard it is unique in its kind, for it touches upon the basic principles of all three main components of CF, with hands-on examples for programming models in R. Thus, the first chapter gives an introduction to the Principles of Corporate Finance: the markets of stock and options, valuation and economic theory, framed within Computation and Information Theory (e.g. the famous Efficient Market Hypothesis is stated in terms of computational complexity, a new perspective). Chapters 2 and 3 give the necessary tools of Statistics for analyzing financial time series, it also goes in depth into the concepts of correlation, causality and clustering. Chapters 4 and 5 review the most important discrete and continuous models for financial time series. Each model is provided with an example program in R. Chapter 6 covers the essentials of Technical Analysis (TA) and Fundamental Analysis. This chapter is suitable for people outside academics and into the world of financial investments, as a primer in the methods of charting and analysis of value for stocks, as it is done in the financial industry. Moreover, a mathematical foundation to the seemly ad-hoc methods of TA is given, and this is new in a presentation of TA. Chapter 7 reviews the most important heuristics for optimization: simulated annealing, genetic programming, and ant colonies (swarm intelligence) which is material to feed the computer savvy readers. Chapter 8 gives the basic principles of portfolio management, through the mean-variance model, and optimization under different constraints which is a topic of current research in computation, due to its complexity. One important aspect of this chapter is that it teaches how to use the powerful tools for portfolio analysis from the RMetrics R-package. Chapter 9 is a natural continuation of chapter 8 into the new area of research of online portfolio selection. The basic model of the universal portfolio of Cover and approximate methods to compute are also described.