五南官網-選擇權商品模型化導論：使用Python語言（附光碟）

研究方法、論文寫作-研究方法
財經、商管、統計-統計-統計軟體應用
選擇權商品模型化導論：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：2024/03/06(1版1刷)
ＩＳＢＮ：978-626-393-087-2
E I S B N：9786263930858
書　　號：1HAU
頁　　數：432
開　　數：16K
定　　價：580元
優惠價格：458元

超值組合

選擇權商品模型化導論：使用Pyt

定價：580元

＋

選擇權交易：使用Python語言

定價：550元

選擇權交易
2024/11/15~2024/12/31
原價：1130元
組合價：848元

滿額優惠折扣　11/11-1/10 五南全書系書展!全站滿599再95折

投影片(請電洽，僅供老師索取)
投影片(請電洽，僅供老師索取)

⊙以Python解決數學概念問題，掌握衍生性商品（如選擇權商品）模型化。
⊙理論與實作兼具，操作步驟清楚易懂。
⊙介紹CRR的二項式定價模型、隨機微積分、等值平賭測度方法，以及資產價格跳動的Lévy過程等觀念。
⊙附贈光碟提供書中完整原始程式碼，幫助學習理解、迅速進入狀況。

【透過Python，走入學習衍生性商品的捷徑】
本書以熱門程式語言Python，帶領讀者順利踏入財金領域。
內容分10章，第1、2章說明完全市場與不完全市場的特色與差異。第3章介紹CRR的二項式定價模型，並從該模型內取得一些基本的觀念。第4、5章說明隨機微積分的意思，包括平賭、維納過程、隨機積分等略為抽象的觀念。第6章說明偏微分方程式於選擇權定價內所扮演的角色。第7章介紹目前廣泛使用的等值平賭測度方法，其中包括Radon-Nikodym微分與Girsanov定理的闡述。第8章說明資產價格跳動的Lévy過程，包括著名的跳動－擴散、VG或NIG等過程。第9章介紹用於選擇權定價之較為簡易的COS方法。第10章則介紹隨機波動模型，包括Heston模型與Bates模型。
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》
財金計算：使用Python語言（2023，五南）《財計》

Chapter1　無套利定價準則（一）
　　You can make even a parrot into a learned political economist.
　　All he must learn are the two words ‘supply’ and ‘demand’.－Thomas Carlyle
　　上述諺語相當於「教鸚鵡學會供給與需求二字，則鸚鵡亦可以變成經濟學家」。前述諺語若應用於財務領域，則變成「教鸚鵡學會套利（arbitrage）一字，則鸚鵡亦可以變成財務學家（financial economist）」。上述諺語雖然有些誇大，但是也說明了「套利或無套利（no-arbitrage）」的觀念於財務領域內扮演著重要的角色。
　　Ross（1987）曾說明「財務學（Finance）」是研究資本市場的供給與運作，以及資本資產的定價（pricing）。財務學的方法是欲找出金融契約或工具的替代品以定價前者；或者說，利用複製品來為金融契約或工具定價。投資金融契約或工具的特色是「時間」與「未來收益之不確定性」。因此，財務學的方法所強調的是如何處理「時間」與「不確定性」二因素以定價金融工具。
　　本章與下一章利用一個簡單的無套利定價模型，以說明「時間」與「不確定性」所扮演的角色。我們發現透過矩陣代數（matrix algebra）可以簡化操作，其中矩陣代數的操作將利用電腦程式語言如Python當作輔助工具。

1.1 簡單的線性代數觀念
　　於尚未介紹之前，我們有必要複習（或介紹）一些簡單的線性代數（linear algebra）觀念，尤其是向量（vectors）與矩陣（matrices）的意義與其應用；另一方面，讀者也可以先熟悉Python的操作。
1.1.1 向量與矩陣
　　一個n階（ n-tuple）實數可稱為具有n維度的向量（dimensional vector）。例如：
　　x=[x1 x2 ... xn]與y=[y1 y2 ... yn]
　　其中x, y∈Rn。x與y分別為Rn內之一點，可稱為二個行向量（column vectors），其「型態（shape）」皆可寫成n×1（讀成n by 1），而其維度則皆為n。例如：圖1-1繪製出n=2維度空間（或平面坐標）上二點a與b，即：
　　a=[1 2]與b=[2 1]
　　而我們知道a與b向量，其實就是(0, 0)（原點）與點(1, 2) 以及(0, 0) 與點(2, 1)的線段。
　　向量可以進行二種基本的算術操作：純量乘法（scalar multiplication）與加法（addition）。例如：圖1-1 內的2a與-a表示純量乘法，而c就是加法的應用，即：
　　2a=[2 4]、-a=[-1 -2]或c=a+b=[1 2]+[2 1]=[3 3]
　　可看出上述運算結果皆可以於圖1-1內找到；或者說，圖1-1顯示出2維平面空間所有實數向量之集合，可寫成R2。圖1-1顯示出二個特色：
(1) 於純量乘法如2a下，2a∈R2。
(2) 於加法如c=a+b下，c∈R2。
　　上述二個特色顯示出R2是封閉的（closed）。

法律/政治

財經/商管/觀光

文/史/哲/期刊

理工/醫護

教育/心理/傳播

小五南/中等教育