突如其來的疫情,讓同學們只能待在家裡。
暑期將至,同學們還是好好學習吧!
為中華崛起而讀書!
真理的味道非常甜,知識的味道非常香!
「量化金融」是對的,也是好的,就這麼簡單。
如果讀者想系統的,有邏輯的梳理所有知識,那還是建議買本書。
該書的內容已經在首都經濟貿易大學的高年級本科和研究生(專碩)講授了五年,
他們接受的挺好的,沒有發生諸如:嘔吐、頭暈、目眩、反胃等身體不適現象。
有學生利用書裡的知識,去國外一些好學校繼續深造的也還是不少,
比如:紐約大學、康奈爾大學。
也有學生看完該書,安心去學習機器學習理論、Python(Tensorflow、Keras、Sci-kit learn)的也不少,也有不少後來決定認真學金融數學或者金融計量的。
總之,碩士畢業後,各位同學就業也還算理想。
有去外企風管部的、有去國企券商資管的.
所以,給各位的建議
不要害怕,它基本無害!
Don't Panic, mostly harmless!
[圖片來源:銀河系漫遊指南]
如果不買,我們也給出暑假學習清單!
小編:莫雅淇
量化金融
Quantitative Finance,其實很早之前就已經存在,但是我國的翻譯習慣是一直
將quantitative翻譯為「數理」甚至是「數量」,比如中國經濟學界引以為自豪的本土學科「數量經濟學」,該學科「數量」二字的正統英文原意實為「quantitative」。
首都經濟貿易大學金融學院的量化金融專碩是一個兩年的項目,第一年學生需要學習若干專業課程,這些課程的課程內容都非常新穎,本項目首先是要求學生具備非常深厚和紮實的「傳統金融學」的知識,然後本專業課程設置的目的是希望學生能夠利用量化的技術和手段重新認識「傳統金融學」的理論和模型。很多進入本項目的學生,本科階段並沒有金融學背景,而如何讓非金融專業的學生快速、準確和有效的掌握傳統金融學知識?
我們給出以下的解決方案。
首先請學生認真細緻的了解CFA和FRM考試。在9月份開學前,學生最好無條件的掌握CFA的一級和二級考試知識內容。掌握這些傳統金融學知識對開學後學習量化金融知識將大有幫助。
其次,FRM是最接近量化金融學知識的考試,學生通過學習FRM考試的知識內容和量化金融學課程的知識,兩者結合會更快的將數理模型和理論融會貫通,避免在準備FRM考試時遇到晦澀的理論和模型不知所云,因為FRM考試裡面涉及的很多經典模型,都會出現在我們量化金融的課程裡和課堂上,我們的老師往往會手把手的教授學生如何從導入數據開始構建一些FRM考試裡面提到的模型。簡而言之,如果學生能提前預習和準備FRM考試,會讓學生9月份開學後的學習更加輕鬆。
總之,量化金融專碩項目雖然為期兩年,但是各位同學有效的學習時間僅為一年而已,如果基礎不紮實,一旦9月開學以後,本科為非金融專業、非首經貿本科的學生就會非常有可能很難跟上課程進度。
第一個重要的考試是CFA(特許金融分析師),一共是三級,本科畢業最後一年可以參加第一級考試。一級考試120個問題,上下午考試,上午三小時,下午三小時。二級是60個選擇題,也是上下午考試,共考6小時,主要考案例為主,每個案例是4個選擇題。三級是上午考寫作,下午考選擇題。一般而言,研究生需要無條件掌握CFA1級和2級的知識點,這是金融專業人員混跡金融業最需要掌握的知識。考試範圍覆蓋以下幾個方面:1、道德;2、計量經濟學;3、經濟學(宏觀、微觀、國貿和國金);4、會計;5、財務管理;6、固定收益;7、衍生品;8、投資組合學;9、可替代性投資(alternative investment)。一級和二級的知識點重合度非常高,二級已案例形式考查學生,因此更注重學生的知識綜合運用能力。此外需要注意,一級考試每半年舉行一次,二級考試和三級考試一年舉行一次,因此要通過CFA三級考試,最快也需要兩年半。
第二個考試是FRM,該開始分為兩級,但是每級考試都是兩個半小時,可以一二級同時考,當然如果你二級過了,一級沒過,那也沒有一二級成績。FRM考試對考生學歷沒有要求,因此有本科生在大二時候通過FRM考試。FRM對於學生去銀監會、外匯管理局以及商業銀行實習找工作非常有幫助。
開學後我們主要使用的程式語言包括Matlab、Python和R語言。各位同學首先需要轉變一些觀念:
這是一個「混編」語言的時代,一種計算機程式語言不可能解決所有的量化問題。各種語言之間,計算機語法其實非常相似,學第一種計算機語言難,學第二中語言的學習成本會大幅降低,而學習第三種計算機語言的學習成本會「斷裂式」下降。
此外,這三種計算機語言從編程角度而言差別不大。差別比較大的反而是每種程式語言涉及的功能包/工具包(toolboxs)。工具包一般分兩種:一種是該語言官方自帶的,還有一種是第三方開發並維護的。
首先申明,推薦的書籍順勢是分先後順序的,推薦越靠前的資料越重要。
首先請各位關注我們的公眾號:量化金融前沿(ID: empiricalfinance)並歡迎推廣。
此外,推薦一個學習編程的網站:
至於,如果希望系統的學習大數據以及人工智慧可以去Udacity(優達學城)。
為了讓初學者全面了解P-type量化金融研究的思路,故在這裡我們推薦了一本基於P-type的量化金融的專業書籍,該書作者是加拿大多倫多大學的Peter Christopherssen教授。下面對該書的內容進行一個簡單的導讀。
該書雖然名為《基礎金融風險管理》,但其涉及了所有的金融建模、金融統計、金融計量的內容和專題。最主要的好處是該書能便於授課老師為學生以後的量化學習做鋪墊,比如最近十分熱門的:大數據金融、統計套利、高頻計量經濟學等。該書有中譯版,但還是建議學生參閱該書的英文原版。
該書的邏輯也非常明確,整本書圍繞「波動率(volatility)」展開,不斷反覆強調金融數據的統計特性、在險價值(Value-at-Risk,簡稱:VaR)、ES概念展開。作者在第一章就強調了金融數據的基本統計特性,並給初學者直接指明了量化金融從業者關注的焦點應為「收益率」而非「價格」這一深刻思想。此外,作者在第一章還給出了VaR、ES以及波動率的定義和相關數學計算公式,並反覆強調了金融資產收益率數據存在不對稱、肥尾(以及超峰)和波動聚凝等現象。此外,Peter Christopherssen教授的教材寫作風格是非常「單刀直入」而且毫無廢話。一般而言,任何教材在第一章都往往廢話連篇,言之無味,但Peter Christopherssen教授在第一章就介紹了量化金融領域大名鼎鼎的「RiskMetrics」模型,並告訴初學者(雖然這種結論不太準確):RiskMetrics就是一種最簡單的構建金融資產收益率的波動率的模型。在本章的課後練習中,Peter Christopherssen教授已指導學生利用S&P500數據,基於RiskMetrics模型計算出了S&P500的動態波動率。此外,特別值得一提的是,Peter Christopherssen教授的教材一直在為讀者傳遞以下重要信息
在險價值(Value atRisk,VaR)和Expected Shortfall(ES)是金融風險管理領域重要的風險度量分析指標。該指標的計算需要涉及獲取金融資產收益率的「波動率」,而Garch模型是對金融資產收益率的波動率建模的重要工具。因此,整本書中PF在討論完某波動率建模模型後都一般會非常自然的給出基於該模型的VaR以及ES的計算方法。全稱:General Auto-Regression Conditional heteroscedasticity,中文翻譯為:廣義自回歸條件異方差模型,該模型是P-type量化領域最重要的理論模型,該模型是一個諾貝爾經濟學獎級別的模型。該模型最主要的發明人---紐約大學的Robert Engel教授在2003年在量化金融計量領域的傑出貢獻獲得了諾貝爾經濟學獎。此外,需要特別指出的是,RiskMetrics模型可以認為是Garch模型的一個特例。
在第二章,作者討論了歷史模擬法、VaR以及ES的基本概念,並提出了兩種基於歷史數據計算VaR和ES的方法。這一章其實和Garch模型的主線有一定脫節,因此在本科教學中,往往不講授本章節。
第三章Peter Christopherssen教授回顧和複習了金融時間序列(time series)分析的基本內容。這和一般的教科書中的時間序列分析沒有太大不同。但需要指出的是,學生在學習該章時,應重點掌握和理解VAR(向量自回歸)、單位根、協整(co-integration)、平穩過程(stationary process)等概念,並理解偽回歸、格蘭傑因果檢驗的原理和邏輯。這對於學習統計套利是至關重要的(雖然統計套利的概念沒有在Peter Christopherssen的教材中體現)。學生需要知道,統計套利的基本思想是利用配對交易(pairs trading)的思想,在金融計量上,其本質即為「協整關係」。
第四章是本書的重點,該章立足於分析金融資產收益率的日間波動率,系統的解釋了大名鼎鼎的「RiskMetrics」模型,借用該模型引出Garch模型,不誇張的說,整本書的內容都從Garch模型展開。此外,另外一個讓第四章在整本書中地位非常重要的原因是該章節介紹了Garch模型的參數估計的問題。雖然在第一章中Peter Christopherssen教授已指導學生利用RiskMetrics構建了S&P500的波動率,但其前提是事前給定了模型的參數,這在實際中是不現實的。Peter Christopherssen教授在本章中介紹了極大似然(ML)的參數估計方法。
第五章討論了金融資產日內波動率的建模,該章一般在本科階段不講授,但學生需要知道本章實質是高頻金融數據分析的基礎,該章提供了HAR模型的具體實現方法,HAR是最基礎的高頻計量經濟學模型。高頻金融數據分析是現在量化金融研究的一個熱點。
第六章也是非常有趣的一章。本章以及其後的所有章節都將精力放在了討論「日間」數據上,只有第五章討論了「日內」數據。第六章其實與第四章更緊密聯繫,是第四章的後續章節。在第四章中,Peter Christopherssen教授介紹了Garch模型在分析日間數據的應用,Garch模型主要應用在對金融資產的收益率進行動態波動率建模,但整章的假設是基於模型的標準化收益率(standarized returns) 服從正態分布。而第六章放寬了這種假設,將標準收益率的分布擴展到諸如t-分布等領域,特別值得一提的是該章終於講授了大名鼎鼎的EVT(「極值理論」),這個理論最早來自於物理學,是金融風險管理中非常重要的理論之一。此外在本章節中,Peter Christopherssen教授也介紹了模型的參數估計方法。
以上章節都是圍繞單個金融資產展開,而我們知道金融投資的核心是分析多個資產,即投資組合(portfolio), Peter Christopherssen教授的教材的第七至第九章開始討論多個資產問題,其核心是討論如何構建協方差(或者相關係數)的動態模型。
在第七章Peter Christopherssen教授簡單回顧了投資組合理論,但是對於本科生而言,如果數學功底不好,可能較難理解,因此本講義專門增加了若干投資組合複習的專題。在第七章中,Peter Christopherssen教授介紹了Robert Engel教授著名的DCC(動態條件相關係數)模型。
而在第八章Peter Christofessrsen以美國國債和S&P500為例演示了如何利用DCC模型結合CAPM理論分析多個金融資產。
第九章是一個重點。Peter Christofessrsen解釋了copula的概念。簡而言之,初學者可以認為copula是一種更為高級的計算相關係數(correlation)的數學方法。Copula在信用風險領域有很廣泛的應用。
從第十章開始到全書結束,討論的問題進入到金融風險管理的具體領域,第十章和第十一章是第一版即有的章節,第十二章信用風險管理部分為第二版新加入的內容。
但不管如何,學生還是該重點關注第十章和第十一章,這兩章非常有趣而且撰寫的非常精彩。首先必須再次強調,波動率的最大(也最廣泛)的應用領域是幫助期權進行定價(以及基於定價而派生出來的金融風險管理分析)。因此,第十章Peter Christopherssen教授介紹了如何利用Garch模型的思想對期權進行定價。管理期權風險主要是基於「希臘字母(greeks)」。必定常見的監管期權風險的指標,諸如delta、gamma、vega、rho、theta都無非是期權價格的偏導數而已,因此如果知道了期權的定價公式,這些希臘字母是非常容易被計算出來的,這些小技術、小技巧在第十一章進行了具體的介紹。
註:Peter Christopherssen是作者McGill讀書期間的老師,是Peter帶領作者走入金融的世界,但讓人悲傷的是Peter去年(2008年6月)在多倫多因癌症去世。Peter教授一生致力於Garch模型的研究。因此,《基本無害》這本書的作者必須努力的推廣Garch模型,為了感謝他的老師。
該書的代碼去年已經開源了。
其課後主要章節的習題以Matlab形式開源了。此外,該書的一些課後習題的Python答案我們也開源了。
代碼僅作為教學和非商業用途。供各位學習參考,如果發現問題也可以在後臺給我們留言。
下載連結請訪問我們的的Github帳號:
https://github.com/yuyingfeng/QuantFin