財金計算:使用Python語言(附光碟)
作  者╱
林進益
出版社別╱
五南
書  系╱
研究&方法
出版日期╱
2023/05/09   (1版 1刷)
  
即日起五南舊官網僅提供書籍查詢,如欲購書,請至五南新官網 https://www.wunan.com.tw/
I  S  B  N ╱
978-626-366-036-6
書  號╱
1HAQ
頁  數╱
420
開  數╱
16K
定  價╱
550
教學資源╱
投影片((外加))



☉介紹CER模型、Markowitz資產組合,以及CAPM與多因子模型等觀念。
☉理論與實作兼具,操作步驟清楚易懂。
☉以Python為主,R語言為輔,輕鬆處理龐大資料的統計。
☉附贈光碟提供書中範例完整程式碼,對照參考不出錯。

透過Python邊操作邊學,財金理論不再遙不可及

本書以熱門程式語言Python,搭配R語言實際操作,帶領讀者順利踏入財金領域。
內容分三大部分,第一部分為基本觀念的介紹,包括資產組合報酬率、隨機變數、矩陣代數、多變量常態分配與t分配等;第二部分進入時間序列模型,包括CER模型、VAR模型、GARCH模型等;第三部分則為資產組合理論與資產定價模型的說明。書中範例所呈現任何計算、模擬、估計、編表或甚至於繪圖等操作,光碟內皆附有完整的Python與部分R程式碼供讀者參考使用。

林進益

學歷:
國立中山大學財務管理博士
國立政治大學經濟學研究所碩士
東海大學經濟學系學士

經歷:
國立屏東大學財務金融學系副教授
國立屏東商業技術學院財務金融系副教授
國立屏東商專財務金融科講師
致理商專國貿科講師

著作:
財金統計學:使用R語言(2016,五南)《財統》
經濟與財務數學:使用R語言(2017,五南)《財數》
衍生性金融商品:使用R語言(2018,五南)《衍商》
財金時間序列分析:使用R語言(2020,五南)《財時》
統計學:使用Python語言(2020,五南)《統計》
時間序列分析下的選擇權定價:使用R語言(2020,Pubu電子書)《時選》
歐式選擇權定價:使用Python語言(2021,五南)《歐選》
資料處理:使用Python語言(2021,五南)《資處》
選擇權交易:使用Python語言(2022,五南)《選擇》

第1章 報酬率
1.1 貨幣的時間價值
1.1.1 現值、未來值與簡單利率
1.1.2 複利
1.1.3 有效年率
1.2 資產報酬率
1.2.1 簡單報酬率
1.2.2 一些調整
1.2.3 連續報酬率
1.3 資產組合報酬率

第2章 隨機變數
2.1 間斷的隨機變數
2.2 連續的隨機變數
2.2.1 常態分配與對數常態分配
2.2.2 t分配
2.3 MLE

第3章 矩陣代數
3.1 向量與矩陣
3.2 矩陣代數
3.3 再談MLE
3.3.1 單變量情況
3.3.2 OLS

第4章 多變量隨機變數
4.1 雙變量隨機變數
4.1.1 間斷的隨機變數
4.1.2 期望值的操作
4.2 多變量的隨機變數
4.2.1 連續的隨機變數
4.2.2 多變量常態分配
4.3 多變量t分配
4.3.1 多變量t分配的特色
4.3.2 一些應用

第5章 時間序列模型
5.1 隨機過程
5.1.1 恆定性
5.1.2 非恆定過程
5.2 CER模型
5.3 ARIMA模型

第6章 VAR模型
6.1 一些準備
6.1.1 (弱)恆定性與跨相關矩陣
6.1.2 多變量波特曼托檢定
6.2 VAR模型
6.2.1 縮減式VAR模型
6.2.2 結構式VAR模型

第7章 單變量GARCH模型
7.1 ARCH模型
7.1.1 波動率群聚現象
7.1.2 ARCH模型的估計
7.2 對稱型的GARCH模型
7.2.1 GARCH模型的特色
7.2.2 擴充的GARCH模型
7.3 非對稱型的GARCH模型

第8章 多變量GARCH模型
8.1 多變量相關之檢視
8.2 多變量條件異質變異檢定
8.3 DCC-GARCH模型
8.3.1 DCC模型
8.3.2 使用R語言

第9章 資產組合理論
9.1 一些準備
9.1.1 系統性風險
9.1.2 投資人的偏好
9.2 有效的資產組合
9.3 用矩陣型態表示

第10章 資本資產定價模型
10.1 CAPM
10.1.1 CML
10.1.2 SML
10.2 CAPM的檢定
10.3 多因子模型

參考文獻
中文索引
英文索引

論文統計分析實
務:JASP的
運用
質性研究的五種
取徑
選擇權商品模型
化導論:使用P
ython語言
(附光碟)
NVivo 1
1與網路質性研
究方法論
用JASP完成
論文分析與寫作
(完整版)
財務管理與Py
thon實現


投影片((外加))

若要索取未隨書附送(外加)且未於此提供下載的教學資源,請詳洽業務人員(02-27055066#824)(僅提供教師使用)


Chapter1   報酬率
     本章將介紹資產報酬率的計算。為了降低篇幅,本書所討論的資產絕大部分是股票資產;因此,本章的資產報酬率計算,指的就是股票資產或由不同股票資產所構成的資產組合(portfolio)的報酬率。通常,我們有二種方式計算資產或資產組合的報酬率,其中之一是簡單報酬率,而另外一種則是連續(複利)報酬率的計算。雖然連續報酬率的計算可以簡易許多數學與統計模型的操作,不過簡單報酬率的計算卻較符合直覺的判斷;雖說如此,我們發現連續報酬率的計算仍較占優勢。本章將說明上述二種計算方式的差異,於電腦程式語言如Python 或R 的輔助下,
其實上述二種計算方式皆不難操作。
     如序言所述,本書仍延續作者之前著作的特色,即任何計算、模擬、估計、編表或甚至於繪圖等動作,光碟內皆附有完整的Python與部分R程式碼供讀者參考;換言之,讀者最起碼要有操作過《資處》、《統計》或《選擇》的經驗。

1.1 貨幣的時間價值
     本節複習貨幣時間價值的計算,其中包括現值(present value)、未來值(future value)、簡單利息與複利等觀念,讀者自然可以將其推廣至如《財統》與《財數》等書所論及的觀念。

1.1.1 現值、未來值與簡單利率
     假定我們投資本金(現值)而以簡單(年)利率計算,則n 年後的本利和(未來值)可寫成:
     FVn = PV(1 + R)n (1-1)
即上式是假定複利(即利滾利)是於年末計算。我們舉一個例子說明(1-1)式,試下列指令:
PV = 1000
R = 0.06
FV1 = PV*(1 + R)
FV5 = PV*(1 + R)**5
FV10 = PV*(1 + R)**10
FV = [FV1,FV5,FV10]
np.round(FV,2) # array([1060. , 1338.23, 1790.85])
透過(1-1)式,自然可以得出「現值」為:
     PV = FVn/(1 + R)n   (1-2)
於PV、FVn 與n 已知下,我們亦可以透過(1-2)式推導出(年)利率為:
     R = (FVn/PV)1/n-1   (1-3)
試下列指令:
def AIrate(PV,FV,n):
      R = (FV/PV)**(1/n)-1
      return R
np.round(AIrate(PV,FV10,10),2) # 0.06
即針對(1-3)式,我們以自設函數的方式計算;換言之,上述現值與未來值的計算,讀者其實亦可以自設函數的方式表示(習題)。