R语言是用于统计分析、绘图的语言和操作环境，是属于GNU系统的一个自由、免费、源代码开放的软件。它是一个用于统计计算和统计制图的强大工具。量化金融R语言不错教程通过13章的内容向读者详细介绍了使用R语言实现量化金融的方方面面。本书包括实证金融（靠前～4章）、金融工程（第5～7章）、交易策略优化（第8～10章）和银行管理（靠前0～13章）等主题。
量化金融R语言不错教程的目标读者是那些既熟悉基本金融概念又具有一定编程能力的人。通过阅读本书，读者可以了解R语言与量化金融相关的各类知识和编程技巧。

Edina Berlinger拥有布达佩斯考文纽斯大学的博士学位。她是一位助理教授，讲授公司财务、金融学和金融风险管理。她还是大学金融系的领导，也是匈牙利科学院金融分会的。她的专业领域涉及信贷系统、风险管理以及网络分析。她已经领导过几个研究项目：学生贷款设计、流动性管理、异质代理模型和系统风险。
Ferenc Illes拥有罗兰大学的数学硕士学位。毕业之后的一些年中，他开始研究精算和金融数学，而且他即将开始在布达佩斯考文纽斯大学的博士学习。很近几年，他在银行业工作。目前他正在开发使用R的统计模型。他的兴趣与大型网络以及计算复杂性有关。
Milan Badics拥有布达佩斯考文纽斯大学的硕士学位。现在，他是一名博士生，并且是PADS博士奖学金项目的成员。他讲授金融计量学，而且他的研究主题是使用数据挖掘方法的时间序列预测、金融信号处理以及利率模型的数值敏感分析。2014年5月，他在由匈牙利证券交易所组织的X. Kochmeister奖项的竞赛中获胜。
Adam Banai从布达佩斯考文纽斯大学得到投资分析和风险管理的硕士学位。他加入了匈牙利国家银行（Magyar Nemzeti Bank，MNB，匈牙利的中央银行）的金融稳定性部门。从2013年起，他成为金融系统分析理事会（MNB）应用研究和压力测试部门的领导。自2011年起，他也是布达佩斯考文纽斯大学的博士生。他的主要研究领域是偿付能力压力测试、资金流动性风险和系统风险。
Gergely Daroczi是一位狂热的R包开发者，并且是一家位于Rapporter的R网络应用公司的创始人和CTO。他同时也在攻读社会学博士学位，并且目前作为R开发者领导在洛杉矶的CARD工作。如果算上讲授统计学和从事数据分析项目的几年时间，他大约已经有10年的R编程环境的工作经验。Gergely是《量化金融R语言初级教程》（Introduction to R for Quantitative Finance）的合著者，目前除了一些关于社会科学的杂志文章和报告，他同时还忙于另一本Packt出版社的图书《精通R语言数据分析》（Mastering Data Analysis with R）。他对那本书的贡献是审阅并负责R源代码的格式。
Barbara Domotor是布达佩斯考文纽斯大学金融系的一名助理教授。在2008年开始博士学习之前，她曾为多家跨国银行工作。她的博士论文与公司的套期保值有关。她撰写了关于公司财务、金融风险管理和投资分析的讲义。她的主要研究领域是公司财务、金融风险管理和公司的套期保值。
Gergely Gabler自2014年起是匈牙利国家银行（MNB）金融监管单位的商业模型分析部门领导。在这之前，自2008年起，他曾经是匈牙利Erste银行宏观经济研究部门的领导人。他在2009年毕业于布达佩斯考文纽斯大学，并获得金融数学的硕士学位。自2010年起，他在布达佩斯考文纽斯大学任客座讲师，同时也在MCC学院做高等研究的讲座。他预计会在2015年结束CFA考试，并成为一名持证人。
Daniel Havran是一名匈牙利科学院经济和区域研究中心经济研究所的博士后研究人员。他同时作为布达佩斯考文纽斯大学兼职助理教授，在那里他讲授公司财务（本科、博士）以及信用风险管理（硕士）。在2011年，他获得了布达佩斯考文纽斯大学的经济学博士学位。
“我很好感谢匈牙利科学院博士后奖学金计划的支持。”
Peter Juhasz拥有布达佩斯考文纽斯大学的工商管理博士学位，同时也持有CFA证书。作为一名助理教授，他讲授公司财务、商业估值、Excel的VBA编程以及沟通技巧。他的研究领域涉及无形资产的估值、商业表现分析和建模以及政府采购和体育管理。他曾写过一些文章和书的某些章节，主要关于匈牙利公司的财务表现。同时，他也定期为中小企业服务，而且在安永商业学院的EMEA（欧洲、中东和非洲）区域任不错培训师。
Istvan Margitai是CEE（中东欧）区域一家主要银行集团的资产负债管理团队的分析师。他主要处理方法论问题、产品建模以及内部转移定价等主题。在2009年，他开启了在匈牙利的资产负债管理的职业生涯，并收获了战略流动性管理和流动性计划的经验。他在布达佩斯考文纽斯大学主修投资和风险管理。他的研究兴趣是银行业的微观经济学、市场微观结构以及订单驱动市场的流动性。
Balazs Markus从事金融衍生品工作已经超过10年。他曾经交易过多种类型的衍生品，从碳互换到国债期货的期权。他是布达佩斯Raiffesien银行外汇衍生品部门的领导。他是Pallas Athéné Domus环境科学基金会顾问委员会的一员、匈牙利国家银行的兼职分析师以及一家小型的证券自营和顾问公司Nitokris有限公司的常务董事。目前，他正在布达佩斯考尔纽斯大学攻读动态对冲作用的博士学位，同时他还是那里的一名教学助理。
Péter Medvegyev拥有布达佩斯Marx Károly大学的经济学硕士学位。在1977年毕业之后，他开始了匈牙利管理发展中心的顾问工作。他在1985年获得了经济学博士学位。自1993年开始，他为布达佩斯考文纽斯大学数学系工作。他在考文纽斯大学的教学经历涵盖随机过程、数理金融以及其他多门数学专业课。
Julia Molnar是布达佩斯考文纽斯大学的一名博士学位候选人。她的主要研究兴趣包括金融网络、系统风险以及零售银行业的金融技术创新。自2011年起，她为McKinsey & Company工作，在那里她参与了银行业领域的多项数字和创新研究。
Balazs Arpad Szucs是布达佩斯考文纽斯大学的金融学博士生，并同时在该大学的金融系任研究助理。他拥有投资分析和风险管理的硕士学位。他的研究兴趣包括zuiyou执行、市场微观结构和日内交易量预测。
Agnes Tuza拥有布达佩斯考文纽斯大学的应用经济学学位，而且是巴黎高等商学院（HEC Paris）的转学生。她的工作经验包括为摩根斯坦利从事结构化产品估值，同时承担波士顿咨询集团的管理顾问一职。她是一名活跃的外汇交易者，并且为Gazdaság电视台拍摄了一个月的投资思想的直播，在节目里她经常用到技术分析，这一主题自她15岁起就开始感兴趣。她曾经是维尔纽斯大学多门金融相关科目的助教。
Tamas Vadasz拥有布达佩斯考文纽斯大学的经济学硕士学位。毕业之后，他从事金融服务业的顾问工作。目前，他正在进行金融学博士学位的学习，他的主要研究兴趣包括金融经济学和银行业的风险管理。他在考文纽斯大学教的课程包括金融计量学、投资学和公司财务。
Kata Varadi自2013年起是布达佩斯考文纽斯大学金融系的助理教授。作为金融学学生，Kata毕业于2009年，并在2012年其毕业论文关于匈牙利股票市场的市场流动性风险分析通过答辩，获得了布达佩斯考文纽斯大学的博士学位。她的研究领域是市场流动性、固定收益证券以及医疗保健系统的网络。除了做研究，她也积极从事教学。她主要讲授公司财务、投资学、估值以及跨国金融管理。
Agnes Vidovics-Dancs是一位博士学位候选人，并且是布达佩斯考文纽斯大学的助理教授。此前她的工作是匈牙利政府债务管理局的初级风险管理师。她的主要研究领域是政府债务管理（一般）以及主权危机和违约（特别的）。她持有CEFA和CIIA证书。
高蓉，讲师，任教于杭州电子科技大学经济学院金融系。博士和硕士毕业于南开大学经济学院金融系，本科毕业于南开大学数学学院计算数学专业。研究领域包括资产定价、金融工程、计量经济应用、数据科学应用。

第1章时间序列分析1
1.1多元时间序列分析1
1.1.1协整2
1.1.2向量自回归模型5
1.1.3协整VAR和VECM12
1.2波动率建模15
1.2.1通过rugarch包进行GARCH建模19
1.2.2模拟和预测25
1.3小结26
1.4参考文献26
第2章因素模型28
2.1套利定价理论28
2.1.1实现APT30
2.1.2Fama—French三因素模型30
2.2在R中建模31
2.2.1数据选择31
2.2.2通过主成分分析估计APT33
2.2.3Fama—French模型估计35
2.3小结42
2.4参考文献43
第3章成交量预测44
3.1动机44
3.2交易强度45
3.3成交量预测模型46
3.4R的实现47
3.4.1数据48
3.4.2载入数据49
3.4.3季节成分51
3.4.4AR（1）的估计和预测53
3.4.5SETAR的估计和预测54
3.4.6结果解释55
3.5小结57
3.6参考文献58
第4章大数据—高级分析59
4.1由开放资源获取数据59
4.2R大数据分析入门63
4.3大数据上的K—均值聚类64
4.3.1载入大矩阵65
4.3.2大数据K—均值聚类分析66
4.4大数据线性回归分析68
4.4.1载入大数据69
4.4.2在大型数据上拟合线性回归模型70
4.5小结70
4.6参考文献71
第5章FX衍生品72
5.1术语和记号72
5.2货币期权74
5.3交换期权77
5.3.1二维维纳过程78
5.3.2Margrabe公式80
5.3.3在R中应用82
5.4quanto期权86
5.4.1看涨quanto的定价公式86
5.4.2在R中对看涨quanto定价88
5.5小结89
5.6参考文献89
第6章利率衍生品和模型90
6.1Black模型90
6.2Vasicek模型95
6.3Cox—Ingersoll—Ross模型101
6.4利率模型的参数估计103
6.5使用SMFI5包105
6.6小结106
6.7参考文献106
第7章奇异期权107
7.1一般定价方法107
7.2动态对冲的作用108
7.3R如何发挥巨大作用108
7.4超越香草期权的概述109
7.5希腊字母——返回香草世界的链接114
7.6对Double—no—touch期权定价116
7.7对Double—no—touch定价的另一种方法125
7.8Double—no—touch期权的有效期——一个模拟126
7.9嵌入结构产品的奇异期权133
7.10小结137
7.11参考文献138
第8章最优对冲139
8.1衍生品的对冲139
8.1.1衍生品的市场风险140
8.1.2静态delta对冲140
8.1.3动态delta对冲141
8.1.4比较delta对冲的表现145
8.2交易成本存在下的对冲149
8.2.1对冲最优化151
8.2.2绝对交易成本情形下的最优对冲152
8.2.3相对对冲成本情形下的最优对冲154
8.3进一步扩展155
8.4小结156
8.5参考文献156
第9章基本面分析157
9.1基本面分析基础157
9.2收集数据158
9.3揭示联系162
9.4引入多重变量163
9.5区分投资目标164
9.6设置分类规则169
9.7回测170
9.8特定行业投资174
9.9小结177
9.10参考文献178
第10章技术分析、神经网络和对数优化组合179
10.1市场有效性179
10.2技术分析180
10.2.1技术分析工具箱181
10.2.2市场181
10.2.3绘制图形—比特币182
10.2.4内置的指标185
10.2.5K线模式：关键反转187
10.2.6评估信号和管理头寸190
10.2.7关于资金管理的一句话192
10.2.8小结193
10.3神经网络193
10.3.1预测比特币价格195
10.3.2策略评价198
10.4对数优化组合199
10.4.1普遍一致、非参数的投资策略199
10.4.2策略的评价203
10.5小结203
10.6参考文献203
第11章资产和负债管理205
11.1数据准备206
11.1.1数据源的初印象207
11.1.2现金流生成器函数209
11.1.3准备现金流211
11.2利率风险度量213
11.3流动性风险度量216
11.4无到期日存款的建模218
11.4.1贷款利率发展的模型218
11.4.2无到期日存款的静态复制222
11.5小结225
11.6参考文献226
第12章资本充足率227
12.1巴塞尔协议的原则227
12.1.1巴塞尔Ⅰ228
12.1.2巴塞尔Ⅱ228
12.1.3巴塞尔Ⅲ231
12.2风险度量233
12.2.1解析VaR235
12.2.2历史VaR236
12.2.3蒙特卡洛模拟236
12.3风险分类238
12.3.1市场风险238
12.3.2信用风险243
12.3.3操作风险247
12.4小结249
12.5参考文献249
第13章系统风险251
13.1果壳中的系统风险251
13.2案例所用的数据集252
13.3核心—边缘分解254
13.3.1R中的实现256
13.3.2结果257
13.4模拟方法258
13.4.1模拟258
13.4.2在R中实现259
13.4.3结果261
13.5可能的解释和建议264
13.6小结265
13.7参考文献265