9.1.3 第三代前景理论 144
9.1.4 不精确风险的测度 145
9.2 与传统金融的联系与区别 145
9.2.1 前景理论与期望效用理论 145
9.2.2 前景理论与均值-方差模型 146
9.2.3 前景理论与高阶矩 146
9.2.4 前景理论与资产定价 148
9.2.5 前景理论与行为预测 150
9.3 对异象、悖论及谜题的解释 150
9.3.1 前景理论与圣彼得堡悖论 150
9.3.2 前景理论与股权溢价之谜 152
9.3.3 前景理论与禀赋效应 152
9.3.4 前景理论与处置效应 153
9.3.5 前景理论与本国效应 155
9.3.6 前景理论与货币幻觉 155
9.3.7 前景理论与近视损失厌恶 156
第10章 前景理论与随机占优 159
10.1 占优 160
10.2 偏好与函数 161
10.3 一阶随机占优 161
10.4 二阶随机占优 162
10.5 三阶随机占优 163
10.6 PSD随机占优 165
第11章 前景理论下的投资组合问题 170
11.1 基于理性假设的投资组合问题 170
11.1.1 期望收益与方差 172
11.1.2 有效边界 174
11.1.3 夏普比率 176
11.1.4 两基金分离定理 177
11.1.5 系统风险与非系统风险 178
11.1.6 资本资产定价模型 179
11.2 基于前景理论的投资组合问题 181
11.2.1 一个复杂的议题 181
11.2.2 前景理论偏好投资者的投资组合目标函数 187
第12章 前景理论与风险测度 196
12.1 风险测度 196
12.1.1 风险测度的起源 197
12.1.2 如何测度风险 197
12.1.3 半方差 198
12.2 VaR 199
12.2.1 VaR的起源与发展 199
12.2.2 VaR的定义 201
12.2.3 VaR的计算 203
12.2.4 VaR的局限与争议 207
12.3 CVaR 208
12.3.1 CVaR的定义 208
12.3.2 基于样本情景下的CVaR-、CVaR和CVaR 209
12.3.3 CVaR的计算 210
12.4 VaR与CVaR的比较 211
12.4.1 优劣势比较 211
12.4.2 优化与约束 212
12.5 VaR偏差和CVaR偏差 212
12.5.1 偏差的定义 212
12.5.2 偏差测度 214
12.5.3 VaR、CVaR与前景理论 215
第13章 时间序列预测法 217
13.1 资产收益率 217
13.1.1 单期简单收益率 217
13.1.2 多期简单收益率 218
13.1.3 算术平均收益率 218
13.1.4 几何平均收益率 218
13.1.5 对数收益率 219
13.2 时间序列的统计量 220
13.3 平稳性 221
13.4 序列相关、同方差及异方差 222
13.5 自相关函数与偏自相关函数 223
13.6 AR模型 225
13.7 MA模型 227
13.8 ARMA模型 228
13.9 ARCH模型 229
13.10 GARCH模型 230
第14章 未来情景模拟法 232
14.1 Bootstrap法 233
14.1.1 什么是Bootstrap法 233
14.1.2 基于时间序列的自助法 234
14.1.3 标准自助法 235
14.1.4 移动分块自助法 235
14.1.5 非重叠分块自助法 236
14.1.6 实例 237
14.2 蒙特卡罗模拟法 241
14.2.1 定义、起源与发展 241
14.2.2 应用范围 243
14.2.3 股价变动与随机过程 246
14.3 历史模拟法 250
第15章 优化算法 253
15.1 线性规划 253
15.1.1 线性规划的提出 253
15.1.2 单纯形法 258
15.1.3 对偶问题 264
15.2 非线性规划 265
15.2.1 无约束优化 267
15.2.2 约束优化 273
15.2.3 非线性规划的难点 276
15.2.4 前景理论与分片线性规划 279
15.2.5 凸优化 281
第16章 遗传算法 286
16.1 遗传算法的原理 287
16.1.1 为什么选择遗传算法 287
16.1.2 模式与模式定理 288
16.1.3 积木块假说 288
16.1.4 探索与开发的平衡 288
16.2 遗传算法的基本步骤 290
16.2.1 模型 290
16.2.2 编码 291
16.2.3 估值 294
16.2.4 选择 295
16.2.5 交叉 297
16.2.6 变异 300
16.2.7 收敛及终止 301

第17章 前景理论与机器学习 304
17.1 支持向量机 306
17.1.1 线性分类器 307
17.1.2 从线性分类器到非线性分类器 309
17.2 Logistic回归 313
17.3 过拟合与欠拟合 316
17.4 人工神经网络 318
17.4.1 人工神经网络在金融领域的运用 318
17.4.2 神经网络模型介绍 321
17.4.3 感知机 326
17.4.4 前馈传播 329
17.4.5 反向传播 331
17.4.6 实例：BP神经网络预测 336
第18章 基于前景理论的投资组合优化的实证分析 339
18.1 无风险约束的前景理论优化问题 339
18.1.1 参数法——多元正态分布 339
18.1.2 非参数法——前景模拟 346
18.2 含风险约束的前景理论优化问题 347
18.2.1 风险性风险约束 348
18.2.2 偏差性风险约束 349
附录A MATLAB基础快速入门 352
A.1 MATLAB简介 352
A.2 MATLAB入门 354
A.3 MATLAB中的矩阵运算 358
A.4 MATLAB常用数据格式的导入/导出 359
A.5 MATLAB中的图形功能 362
A.6 MATLAB程序设计方法 366
参考文献 370

大数据金融丛书投资决策分析与优化:基于前景理论 作者简介

龚超，工学博士，主要研究领域为人工智能、优化算法。曾就职于央企及知名企业管理咨询公司，并为多家大型企业集团提供战略规划、合并重组等咨询与培训服务。参与多项国家社会科学基金项目及部委课题研究，在国内外期刊共计发表文章60余篇。目前主要关注人工智能在金融领域的应用。

 2/3   首页 上一页 1 2 3 下一页 尾页

个人理财 投资指南

在线阅读