本书主要内容包括: • 介绍了前沿的金融风险建模技术､投资组合优化的实用方法以及新的研究进展。 • 介绍了金融风险的典型特征､损失函数､风险测量方法､条件风险建模和无条件风险建模､极值理论､广义双曲线分布､波动率建模以及刻画分布独立性的相关概念。 • 探讨了投资组合相关的风险概念以及带风险约束的投资组合优化技术。 • 附有完整的R 软件代码，便于读者重现书中的分析结果。 • 本书有一个支持网站，该网站提供了一系列相关代码和案例。 本书适合金融学､经济学和风险管理专业的研究生以及金融从业者､投资组合管理从业者阅读，也可以作为上述各专业学生的计算机实验课程教材，同时也适合自学。

目录
译者的话
前言
缩略语表
第1 部分 著述初衷
第1 章 简介 3
参考文献 5
第2 章 R 语言简介 6
2.1 R 语言的起源与发展 6
2.2 获取帮助 7
2.3 R 语言应用 10
2.4 类､方法与函数 11
2.5 本书自带的教学包: FRAPO 包 19
参考文献 24
第3 章 金融市场数据 25
3.1 金融市场收益率的统计特征 25
3.1.1 单变量时间序列的统计特征 25
3.1.2 多变量时间序列的统计特征 27
3.2 关于风险模型的影响 30
参考文献 30
第4 章 风险度量 31
4.1 本章简介 31
4.2 风险度量概述 31
4.3 投资组合相关的风险概念 35
参考文献 37
第5 章 现代投资组合理论 38
5.1 本章简介 38
5.2 马科维茨投资组合理论 38
5.3 均值-方差投资组合理论 41
参考文献 43
第2 部分 风险建模
第6 章 刻画收益率的分布 47
6.1 预备知识 47
6.2 广义双曲分布 47
6.3 广义lambda 分布 49
6.4 与GHD 相关的R 软件包 55
6.4.1 fBasics 包 55
6.4.2 GeneralizedHyperbolic 包 56
6.4.3 ghyp 包 57
6.4.4 QRM 包 58
6.4.5 SkewHyperbolic 包 58
6.4.6 VarianceGamma 包 59
6.5 与GLD 相关的R 包 59
6.5.1 Davies 包 59
6.5.2 fBasics 包 59
6.5.3 gld 包 60
6.5.4 lmomco 包 61
6.6 GHD 在风险建模中的应用 61
6.6.1 用GHD 拟合股票收益率 61
6.6.2 用GHD 进行风险评估 64
6.6.3 重新审视典型特征 66
6.7 GLD 在风险建模和数据分析中的应用 68
6.7.1 单支股票的VaR 68
6.7.2 FTSE100 指数三角 70
参考文献 72
第7 章 极值理论 74
7.1 预备知识 74
7.2 极值的理论､方法和模型 74
7.2.1 分块极值模型 74
7.2.2 r 阶最大顺序模型 75
7.2.3 POT 方法 76
7.3 相关R 包简介 78
7.3.1 evd 包 78
7.3.2 evdbayes 包 79
7.3.3 evir 包 80
7.3.4 fExtremes 包 81
7.3.5 ismev 包和extRemes 包 83
7.3.6 POT 包 84
7.3.7 QRM 包 84
7.3.8 Renext 包 85
7.4 极值理论的实证分析 86
7.4.1 本节概述 86
7.4.2 BMM 模型在西门子公司数据上的应用 86
7.4.3 r 分块极大值模型在宝马公司数据上的应用 89
7.4.4 POT 方法在波音公司数据上的应用 91
参考文献 96
第8 章 波动率建模 97
8.1 预备知识 97
8.2 ARCH 模型的种类 97
8.3 相关的R 软件包 100
8.3.1 bayesGARCH 包 100
8.3.2 ccgarch 包 101
8.3.3 fGarch 包 101
8.3.4 gogarch 包 102
8.3.5 rugarch 包和rmgarch 包 103
8.3.6 tseries 包 105
8.4 波动率模型实证分析 105
参考文献 107
第9 章 相依性建模 109
9.1 概述 109
9.2 相关性､独立性和分布 109
9.3 Copula 111
9.3.1 起因 111
9.3.2 相关性与独立性回顾 112
9.3.3 Copula 的分类 113
9.4 相关的R 包 117
9.4.1 BLCOP 包 117
9.4.2 copula 包和nacopula 包 117
9.4.3 fCopulae 包 119
9.4.4 gumbel 包 120
9.4.5 QRM 包 121
9.5 copula 函数相关的实证分析 121
9.5.1 GARCH-copula 模型 121
9.5.2 混合copula 126
参考文献 128
第3 部分 投资组合优化
第10 章 稳健投资组合优化 133
10.1 概述 133
10.2 稳健统计理论 133
10.2.1 动机 133
10.2.2 选择稳健估计量 134
10.3 稳健优化 137
10.4 相关R 包 141
10.4.1 covRobust 包 142
10.4.2 fPortfolio 包 142
10.4.3 MASS 包 143
10.4.4 robustbase 包 143
10.4.5 robust 包 144
10.4.6 rrcov 包 145
10.4.7 Rsocp 包 146
10.5 实证分析 146
10.5.1 投资组合模拟: 稳健统计与经典统计 146
10.5.2 投资组合回测: 稳健方法与经典统计方法 152
10.5.3 投资组合回测: 稳健优化 155
参考文献 160
第11 章 重新思考多元化 162
11.1 简介 162
11.2 多元化投资组合 163
11.3 加入风险约束的投资组合 165
11.4 最优化尾部相关投资组合 167
11.5 相关的R 包 169
11.5.1 DEoptim 包和RcppDE 包 169
11.5.2 FRAPO 包 171
11.5.3 PortfolioAnalytics 包 172
11.6 实证分析 172
11.6.1 不同方法的比较 172
11.6.2 优化尾部依赖投资组合与基准的比较 177
11.6.3 预期亏损的极限分布 181
参考文献 184
第12 章 风险最优投资组合 186
12.1 概述 186
12.2 均值- VaR 投资组合 186
12.3 最优CVaR 投资组合 191
12.4 最优回撤投资组合 195
12.5 相关R 包 197
12.5.1 fPortfolio 包 197
12.5.2 FRAPO 包 198
12.5.3 R 中的线性规划包 199
12.5.4 PerformanceAnalytics 包 203
12.6 实证分析 204
12.6.1 最小化CVaR 和最小方差投资组合比对 204
12.6.2 回撤约束的投资组合 208
12.6.3 股票投资的回测对比 212
参考文献 218
第13 章 战术性资产配置 220
13.1 概述 220
13.2 选择的时间序列模型的考量 221
13.2.1 单变量时间序列模型 221
13.2.2 多元时间序列模型 226
13.3 Black-Litterman 方法 233
13.4 Copula 模型及熵池方法 235
13.4.1 前言 235
13.4.2 COP 模型 235
13.4.3 EP 模型 236
13.5 相关的R 包 238
13.5.1 BLCOP 包 238
13.5.2 dse 包 239
13.5.3 fArma 包 242
13.5.4 forecast 包 242
13.5.5 MSBVAR 包 243
13.5.6 PairTrading 包 244
13.5.7 urca 包与vars 包 245
13.6 实证分析 248
13.6.1 Black - Litterman 投资组合优化 248
13.6.2 Copula 方法 255
13.6.3 保护策略 259
参考文献 266
附录
附录A 本书R 包概览 273
A.1 R 包-按首字母排序 273
A.2 R 包-按应用类型分类排序 275
参考文献 278
附录B 本书时间序列数据 282
B.1 日期—时间类 282
B.2 stats 基础包中的ts 类 285
B.3 不规则间隔时间序列 286
B.4 timeSeries 包 287
B.5 ZOO 包 288
B.6 tframe 包和xts 包 290
参考文献 293
附录C 投资组合策略的回测及报告 294
C.1 关于回溯检验的R 包 294
C.2 用于生成报表的R 包 294
C.3 交互数据库 295
参考文献 296
附录D 技术性 298