作者：刘振亚，邓磊 日期：2014-08-09 11:35:36
“量化之王”数学家西蒙斯领导的复兴科技公司旗下规模为50亿美金的大奖章基金在1988—2008年创造了年均收益超过35％的奇迹。不仅于此，该基金面对多次金融危机和政策波动都有杰出的表现：1994年，美联储连续6次加息，它净赚了71％；2000年科技股股灾，标普指数下跌了10％，它更是大获丰收，净回报98.5％；2008年，全球金融危机，各类资产价格下滑，大部分对冲基金都亏损，而它赚了80％。
刘振亚、邓磊主编的《解密复兴科技：基于隐蔽马尔科夫模型的时序分析方法》从介绍复兴科技公司着手，深入介绍了HMM模型参数估计、预测与解码问题、隐蔽状态的估计问题、模型选择和模型检验、序列不相关和自相关的马尔科夫状态转换模型，以及MS-AR模型的估计方法等问题，并给出了将HMM模型应用于宏观经济分析和股市波动分析的实例。
作者简介：
刘振亚，现为中国人民大学财金学院和英国伯明翰大学教授，博士生导师，摩根大通期货有限公司（JPMorganFutures）董事，全球最大管理期货（CTA）WintonCapitaI中国最早的合作者。刘振亚教授在金融计量、量化投资、宏观经济等领域有着深入的研究，从1991年以来已出版多本专业著作，并在《ChinaEconomicReview》《世界经济》等国内外一流杂志发表多篇文童。邓磊，现为北京工商大学讲师，中国人民大学硕士、博士，美国加州大学圣地亚哥分校（UCSD）访问学者。研究领域包括金融计量学、金融统计学、DSGE宏观经济模型等。对线性和非线性以及参数和非参数HMM，在模型设置和解法等方面有着较为深入的研究。
目录：
前言
引言解密复兴科技
第一节西蒙斯与复兴科技
第二节复兴科技中的元老们
第三节复兴科技中的主要研究方法
第四节什么是HMM？
第五节HMM举例
第六节股价收益分布与HMM
第七节HMM与交易策略设计
第八节基于HMM的交易策略
第九节交易策略的评价问题
第十节科技与投资
第十一节复兴科技的核心竞争力
第一部分基础知识
第一章极大似然估计法简介前言
引言解密复兴科技
第一节西蒙斯与复兴科技
第二节复兴科技中的元老们
第三节复兴科技中的主要研究方法
第四节什么是HMM？
第五节HMM举例
第六节股价收益分布与HMM
第七节HMM与交易策略设计
第八节基于HMM的交易策略
第九节交易策略的评价问题
第十节科技与投资
第十一节复兴科技的核心竞争力
第一部分基础知识
第一章极大似然估计法简介
第一节线性模型的极大似然估计量
第二节极大似然估计法的几个重点问题
第二章贝叶斯分析
第一节统计学历史发展简介
第二节贝叶斯分析简介
第三章马尔科夫链
第一节有两种状态的马尔科夫链
第二节转移函数和初始分布
第三节马尔科夫链的一些性质
第四节转移矩阵的估计问题
第二部分隐蔽马尔科夫模型
第四章混合分布和隐蔽马尔科夫模型
第一节状态序列相互独立的混合分布模型
第二节状态相互独立混合分布的参数估计
第三节简单隐蔽马尔科夫模型
第四节隐蔽马尔科夫模型的极大似然函数
第五章隐蔽马尔科夫模型似然函数估计方法
第一节数值算法
第二节EM算法
第六章隐蔽马尔科夫模型应用与模型选择
第一节条件分布
第二节预测分布
第三节解码
第四节状态预测
第五节模型选择标准
第三部分马尔科夫状态转换模型
第七章序列不相关数据的马尔科夫状态转换模型
第一节序列不相关状态相互独立的转换模型
第二节序列不相关马尔科夫状态转换模型
第八章序列自相关的马尔科夫状态转换模型
第一节序列自相关状态可观测的马尔科夫状态转换模型
第二节序列自相关和状态不可观测的马尔科夫状态转换模型
第三节滤波过程
第四节平滑过程
第五节马尔科夫转换模型中的St状态的持续期
第九章MS-AR模型的估计方法
第一节MS-AR模型参数估计初步
第二节MS-AR模型参数的EM算法
第三节MS-AR（1）模型的详细计算过程：Excel应用
第四部分HMM和MS-AR模型应用
第十章MS-AR模型在宏观分经济析中的应用
第一节简单MS-AR（1）经济波动模型
第二节Hamiltion（1989）和Kim，Nelson（1999）MS-AR（4）经济的波动模型
第三节Kim，Nelson（1999）加入虚拟变量的MS-AR（4）模型
第十一章HMM和SWARCH模型在股市中的应用
第一节股指收益率与HMM
第二节股指波动性与SWARCH模型
参考文献