目錄
叢書序
前言
第1章 數(shù)值計(jì)算的基礎(chǔ)知識(shí) 1
1.1 數(shù)值插值、逼近與最小二乘法 1
1.1.1 多項(xiàng)式插值 1
1.1.2 分段多項(xiàng)式插值 6
1.1.3 函數(shù)逼近與最小二乘法 8
1.1.4 正交多項(xiàng)式 11
1.1.5 曲線擬合的最小二乘法 14
1.1.6 數(shù)值求導(dǎo) 17
1.2 線性方程組與矩陣分解.19
1.2.1 線性方程組求解的直接法 19
1.2.2 矩陣分解 21
1.2.3 求解線性方程組的迭代法 24
1.3 非線性方程(組)求解 25
1.3.1 一般迭代法 25
1.3.2 牛頓迭代法 27
1.3.3 非線性方程組求解的拓展 29
1.4 概率論基礎(chǔ)知識(shí) 30
1.4.1 事件、樣本空間與概率 30
1.4.2 隨機(jī)變量、數(shù)學(xué)期望與方差 31
1.4.3 多元隨機(jī)變量 34
1.4.4 隨機(jī)變量的獨(dú)立性與條件期望 35
1.4.5 隨機(jī)過程與布朗運(yùn)動(dòng) 38
習(xí)題1 40
第2章 隨機(jī)數(shù)生成與資產(chǎn)價(jià)格模擬 43
2.1 隨機(jī)數(shù)的生成 45
2.2 隨機(jī)數(shù)的生成(續(xù)) 47
2.2.1 反函數(shù)方法 47
2.2.2 二維變換生成法 50
2.2.3 接受-舍去法 52
2.2.4 隨機(jī)向量生成法 57
2.3 資產(chǎn)價(jià)格樣本及路徑模擬 60
2.3.1 資產(chǎn)價(jià)格服從幾何布朗運(yùn)動(dòng)的取樣方法 61
2.3.2 多資產(chǎn)幾何布朗模型下的取樣方法.65
2.3.3 跳擴(kuò)散模型下的資產(chǎn)價(jià)格取樣方法 66
習(xí)題2 68
第3章 金融衍生物定價(jià)的蒙特卡羅方法與方差減小技術(shù) 71
3.1 金融衍生品介紹 71
3.1.1 歐式衍生品 73
3.1.2 路徑依賴衍生品 74
3.1.3 美式衍生品 75
3.1.4 金融衍生品的定價(jià)方法 76
3.2 歐式期權(quán)定價(jià)的蒙特卡羅方法 77
3.2.1 歐式期權(quán)介紹 77
3.2.2 歐式期權(quán)定價(jià)的蒙特卡羅方法.78
3.3 新型期權(quán)定價(jià)的蒙特卡羅方法 81
3.3.1 路徑依賴期權(quán)的蒙特卡羅方法 81
3.3.2 美式期權(quán)定價(jià)的蒙特卡羅方法.84
3.4 利率衍生品定價(jià)的蒙特卡羅方法88
3.4.1 利率及期限結(jié)構(gòu) 88
3.4.2 利率模型 91
3.4.3 仿射期限結(jié)構(gòu)利率模型與債券定價(jià)方法 95
3.4.4 利率衍生品定價(jià)的蒙特卡羅方法 101
3.4.5 隨機(jī)利率環(huán)境下期權(quán)定價(jià)的蒙特卡羅方法 103
3.4.6 可違約債券定價(jià)的蒙特卡羅方法 105
3.5 蒙特卡羅方法的方差減小技術(shù).107
3.5.1 控制變量方法 107
3.5.2 對(duì)偶方法 113
3.5.3 重點(diǎn)取樣方法 114
3.5.4 條件取樣方法 115
習(xí)題3 116
第4章 金融衍生物(期權(quán))定價(jià)的二叉樹方法與有限差分方法 119
4.1 歐式期權(quán)定價(jià)的二叉樹方法 121
4.1.1 單時(shí)段-雙狀態(tài)模型 123
4.1.2 歐式期權(quán)定價(jià)的二叉樹方法——不支付紅利.126
4.1.3 歐式期權(quán)定價(jià)的二叉樹方法——支付紅利.133
4.2 美式期權(quán)定價(jià)的二叉樹方法 135
4.3 歐式期權(quán)定價(jià)的有限差分方法.141
4.3.1 顯格式 143
4.3.2 隱格式 147
4.3.3 二叉樹方法與有限差分方法的聯(lián)系.149
4.4 美式期權(quán)定價(jià)的有限差分方法.151
4.4.1 顯格式 152
4.4.2 二叉樹方法與有限差分方法的聯(lián)系 153
4.4.3 隱格式 154
4.5 障礙期權(quán)、亞式期權(quán)的二叉樹方法與有限差分方法 160
4.5.1 障礙期權(quán)的二叉樹方法與有限差分方法 160
4.5.2 亞式期權(quán)的有限差分方法 164
習(xí)題4 166
第5章 隨機(jī)優(yōu)化與最優(yōu)投資組合選擇 170
5.1 投資組合選擇 170
5.1.1 投資組合的期望收益與方差 170
5.1.2 投資組合的有效邊界 176
5.1.3 最優(yōu)投資組合選擇 181
5.2 馬科維茨投資組合理論 185
5.2.1 馬科維茨投資組合理論的假設(shè)與內(nèi)涵.185
5.2.2 馬科維茨模型的解 187
5.3 隨機(jī)優(yōu)化基礎(chǔ) 191
5.3.1 樣本均值逼近 192
5.3.2 隨機(jī)逼近 195
5.4 基于蒙特卡羅方法的最優(yōu)投資組合求解 201
5.4.1 均值-方差模型 202
5.4.2 均值-分位數(shù)模型 205
習(xí)題5 207
第6章 神經(jīng)網(wǎng)絡(luò)及其在金融中的應(yīng)用 211
6.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 211
6.1.1 神經(jīng)網(wǎng)絡(luò)模型的發(fā)展 211
6.1.2 常用的神經(jīng)網(wǎng)絡(luò)模型 216
6.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法 221
6.2.1 梯度下降方法 221
6.2.2 反向傳播 223
6.3 神經(jīng)網(wǎng)絡(luò)在金融計(jì)算中的應(yīng)用 227
6.3.1 股票預(yù)測(cè) 227
6.3.2 衍生品定價(jià) 234
習(xí)題6 236
第7章 隨機(jī)微分方程數(shù)值方法 237
7.1 常微分方程數(shù)值方法238
7.2 隨機(jī)微分方程解的存在性與唯一性 242
7.3 隨機(jī)微分方程數(shù)值方法 247
7.3.1 歐拉方法及Milstein方法 248
7.3.2 二階離散方法256
7.4 隨機(jī)微分方程與偏微分方程之間的關(guān)系 260
習(xí)題7 265
參考文獻(xiàn) 269