Excel与金融工程学 pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:厦门大学

作者:周爱民//张晓斌

出品人:

页数:265

译者:

出版时间:2010-7

价格:28.00元

装帧:

isbn号码:9787561535929

丛书系列:

图书标签:

金融
Excel
金融工程
量化分析
投资
财务建模
数据分析
风险管理
金融计算
公式函数
案例分析

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到图书目录大全

book.wenda123.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

《Excel与金融工程学》内容简介：作为金融工程专业的主干核心课程，“金融工程学”里面有许多可以帮助学生通过实际动手计算来加深其对理论了解的环节，这些环节作为实验单元后来就慢慢形成了金融工程学专业的一门专门实验课程——实验金融学。

深度学习：算法、模型与应用实践本书导言：智能时代的基石与前沿探索随着数据量的爆炸式增长和计算能力的飞速提升，深度学习已不再是单纯的学术概念，而是驱动当前科技革命的核心引擎。从自动驾驶到精准医疗，从自然语言理解到复杂的模式识别，深度学习正在重塑我们生活的方方面面。本书《深度学习：算法、模型与应用实践》旨在为读者提供一个全面、深入且极具实操性的学习路径，系统阐述深度学习的理论基础、核心算法及其在真实世界中的部署与优化。我们摒弃了过度简化的叙述，力求深入挖掘其背后的数学原理和工程实现细节，确保读者不仅知其然，更能知其所以然。本书的定位是面向有一定数学和编程基础，渴望深入掌握深度学习精髓的工程师、研究人员和高级学生。我们假设读者对线性代数、微积分和概率论有基本的了解，并将在此基础上，构建起坚实的深度学习知识体系。 --- 第一部分：理论基石与数学基础重塑本部分将对深度学习所需的数学工具进行一次深入的回顾和提升，重点关注如何将这些工具应用于构建和训练复杂的神经网络。第一章：优化理论与梯度下降的精细化我们将从基础的凸优化问题出发，逐步过渡到深度学习中常见的非凸优化场景。重点解析随机梯度下降（SGD）及其变体，包括动量法（Momentum）、自适应学习率方法如 AdaGrad、RMSProp 和革命性的 Adam 优化器的数学推导与收敛性分析。我们将探讨学习率调度策略（如余弦退火、分段常数衰减）如何影响模型的最终性能和训练稳定性。此外，拉格朗日乘数法在正则化（如L2/L1）中的隐式作用将被详细阐述。第二章：信息论与损失函数的构建本章聚焦于信息论在模型评估中的应用。我们不仅会详细介绍交叉熵损失（Cross-Entropy Loss）的推导，解释其与最大似然估计（MLE）的内在联系，还会探讨针对特定任务的定制化损失函数设计，例如 Triplet Loss 在度量学习中的应用，以及 Focal Loss 如何解决类别不平衡问题。对KL散度和Jensen-Shannon散度在生成模型（如GAN）中的作用也将进行深入讨论。第三章：反向传播的机制与高效实现反向传播（Backpropagation）是深度学习的“心脏”。本章将通过链式法则的严谨推导，展示如何高效计算高维复合函数的梯度。我们将探讨自动微分（Autodiff）的两种主要模式——前向模式和反向模式，并分析它们在现代深度学习框架（如PyTorch和TensorFlow）中是如何被实现和优化的。对Jacobian矩阵和Hessian矩阵的理解，将为后续的高级优化和模型分析打下基础。 --- 第二部分：核心网络架构的解构与重构本部分将系统剖析当代深度学习中最具影响力的几类网络架构，深入理解它们的结构特性、适用场景及局限性。第四章：前馈网络（FNN）的高级组件本章超越了简单的全连接层，重点分析激活函数的选择对网络性能的决定性影响。我们将对比Sigmoid、Tanh、ReLU及其变体（Leaky ReLU, PReLU, ELU）的特性，特别是梯度饱和问题和“死亡神经元”现象。同时，批标准化（Batch Normalization, BN）的引入及其在解决内部协变量偏移（Internal Covariate Shift）方面的作用，以及其在不同训练/推理模式下的行为差异将被详细剖析。第五章：卷积神经网络（CNN）的演进与空间特征提取本章全面覆盖CNN的发展历程，从经典的LeNet到现代的ResNet、DenseNet和Transformer架构中的卷积替代方案。我们将深入探讨残差连接（Residual Connections）的设计哲学，解释其如何使极深网络的训练成为可能。空洞卷积（Dilated Convolution）和分组卷积（Grouped Convolution）的工程应用，尤其是在移动端和高分辨率图像处理中的效率提升，将作为重点案例进行分析。第六章：循环神经网络（RNN）与序列建模的挑战针对序列数据，本章详细考察了标准RNN的长期依赖问题。重点讲解 LSTM（长短期记忆网络）和 GRU（门控循环单元）内部单元结构（输入门、遗忘门、输出门）的数学模型和信息流控制机制。此外，我们还将探讨序列到序列（Seq2Seq）模型在机器翻译中的应用，并为后续的注意力机制做铺垫。 --- 第三部分：先进模型范式与应用实践本部分将进入深度学习的前沿领域，探讨生成模型、自监督学习以及模型部署的工程化挑战。第七章：注意力机制与Transformer架构的统治力注意力机制被视为深度学习的下一个里程碑。本章将从基础的软注意力（Soft Attention）开始，逐步深入到自注意力（Self-Attention）的 Scaled Dot-Product 计算。我们将完整解构 Transformer 结构——Encoder-Decoder堆叠、多头注意力（Multi-Head Attention）的并行化优势，以及位置编码（Positional Encoding）的必要性。BERT、GPT系列模型的预训练策略和下游任务微调的工程实践将作为核心案例。第八章：生成对抗网络（GAN）的复杂性与稳定性生成模型是当前研究的热点。本章专注于生成对抗网络的理论框架，包括判别器和生成器之间的博弈论基础。我们将详细分析经典GAN、DCGAN、WGAN（Wasserstein GAN）及其改进版（如WGAN-GP）在克服模式崩溃和训练不稳定性方面的技术迭代。对CycleGAN、StyleGAN等在图像合成领域的突破性应用进行技术剖析。第九章：自监督学习与表征学习在缺乏大规模标签数据的场景下，自监督学习（Self-Supervised Learning, SSL）成为获取强大特征表征的关键。本章将深入讲解对比学习（Contrastive Learning）的范式，如SimCLR和MoCo，它们如何通过设计有效的正负样本对来构建高质量的嵌入空间。我们将探讨SSL如何有效地利用大量无标签数据，为下游的半监督和迁移学习任务提供强劲的初始化权重。第十章：模型部署、可解释性与鲁棒性理论模型必须落地才能产生价值。本章侧重于工程实践： 1. 模型压缩与加速：探讨模型剪枝（Pruning）、量化（Quantization）和知识蒸馏（Knowledge Distillation）技术，以适应边缘计算和低延迟服务需求。 2. 模型可解释性（XAI）：分析LIME、SHAP等方法如何揭示模型决策过程，以及CAM、Grad-CAM在视觉任务中的应用。 3. 模型鲁棒性：讨论对抗性攻击（Adversarial Attacks）的原理，以及如何通过对抗性训练（Adversarial Training）增强模型的安全性和泛化能力。 --- 结语：面向未来的学习范式本书内容涵盖了深度学习从基础理论到尖端应用的全景图。我们相信，通过对这些算法和架构的深入理解，读者将能够独立设计、实现并优化下一代智能系统，真正驾驭数据驱动的未来。本书的每一章都辅以关键的伪代码和算法流程图，旨在弥合理论知识与实际代码实现之间的鸿沟。

作者简介

周爱民，经济学博士，南开大学经济学院教授，博士生导师，研究方向：金融工程学，计量经济学。著有《证券投资分析方法研究》《股市有效性、泡沫与预警》《高级宏观经济学》《金融工程学》《证券投资学》《金融计量学》等，主编或合著《EXCEL与金融工程学》《EXCEL与期权定价》等多种专著教材，发表学术论文70余篇。

目录信息

前言第一章 Excel基础第一节 Excel的函数与公式一、函数二、引用三、运算符第二节 Excel的数据与图表一、Excel的数据二、Excel的图表第二章现金流的时间价值第一节单利、复利与连续复利一、单利二、复利三、连续复利第二节现金流现值、净现值的计算与应用一、现值二、净现值第三节现金流终值的计算与应用第四节年金及其应用第五节基于内部收益率法的投资决策分析一、内部收益率二、IRR函数三、利用内部收益率进行投资决策第三章固定收益证券定价第一节固定收益证券的基本特征及其分类一、固定收益证券的基本特征二、固定收益证券的分类第二节债券定价一、在Excel中输入题目中给定条件二、利用Excel中的PV函数计算债券价格第三节零息债券定价一、零息债券定价二、零息债券的到期收益率第四节永续债券和优先股的定价一、优先股二、永续债券第五节浮动利率债券定价一、利率重设日附近的定价二、利率重设后的债券定价第六节债券久期一、久期（duration）二、麦考雷久期与债券价格的关系三、久期在债券投资中的应用四、麦考雷久期计算实例第四章权证定价第一节背景介绍一、权证的基本要素二、权证的分类三、影响权证价格的主要因素第二节权证收益与风险分布第三节基于。BS的权证定价在Excel中的实现一、BS定价模型二、基于Excel和BS公式对权证的定价三、基于VB和BS公式对权证的定价第四节基于二叉树模型的权证定价在Excel中的实现一、单阶段的二叉树模型下期权定价二、运用二叉树期权定价模型为美式期权定价第五章远期和期货的定价与套利第一节背景知识一、远期和期货的定义二、远期与期货的区别三、远期与期货合约的种类四、远期和期货的定价第二节基于Excel的远期合约定价一、利用Excel求解无收益资产远期合约价值二、利用Excel求解已知现金收益资产远期合约价值三、利用Excel求解已知收益率资产远期合约价值第三节基于Excel的外汇期货交易一、利用Excel分析基本原理二、利用Excel计算外汇套期保值第四节基于Excel的利率期货交易一、利用Excel计算利率套期保值二、利用Excel求解利率投机三、利用Excel求解利率套利第五节基于Excel的股指期货交易一、利用Excel求解股指期货套期保值二、利用Excel求解股指期货套利第六章互换的设计与定价第一节背景知识一、互换的定义二、互换的历史三、互换的设计与定价第二节基于Excel的货币互换设计一、利用Excel设计货币互换和求解互换利率二、用Excel做货币互换图三、该货币互换的收益分析第三节货币互换定价一、利用债券组合定价法计算货币互换的价值二、利用远期组合给货币互换定价第四节基于Excel的利率互换设计一、利用Excel设计利率互换和求解互换利率二、用Excel做利率互换图三、该利率互换收益分析第五节利率互换定价一、制作利率互换定价条件表二、利用远期组合给利率互换定价三、利用债券组合给利率互换定价第七章期权定价第一节 B1ack—Scholes期权定价模型一、Black—Scholes期权定价公式二、Black—scholes期权定价公式在Exeel中的实现三、运用VBA定义Black—Scholes期权定价函数第二节隐含波动率的计算第三节 Black—Scholes期权定价的敏感性分析一、例子二、具体步骤三、小结第四节单阶段的二叉树的欧式期权定价一、无风险原则二、风险中性原则第五节多阶段的二叉树美式期权定价一、基本思路二、多阶段的二叉树美式期权定价第六节最小叉熵推导二叉树定价模型中的p，d，u第八章房屋抵押按揭贷款及ARM 第一节按等额摊还法计算的房屋抵押按揭贷款还款表一、例子与假设二、实际的计算过程三、计算结果的分析与调整第二节按等本金还款法计算的房屋抵押按揭贷款还款表第三节美国的ARM与次级债风波一、美国的ARM 二、美国的次级债危机与ARM的关系第四节理性的ARM设计第九章 CMO的份额设计第一节 CMO概述一、CMO的产生背景二、CMO的优点及其运作过程第二节贷款公司的过手证券技术第三节 CM0的现金流拆分一、单份标准息票债券拆分的CMO 二、多份标准息票债券CMO 三、利息、本金分别拆分的CMO 第四节 CMO的浮动利率与反向浮动利率拆分一、浮动利率与反向浮动利率的票面利率设计二、浮动利率与反向浮动利率的CMO 第五节中国建行首例CMO简介一、交易结构二、定价机制三、提前偿还风险分析四、“资产池”情况介绍第十章在险价值量VaR的计算第一节在险价值量概述一、VaR的计算公式二、VaR的计算实例第二节计算VaR的方差一协方差法一、基于EXCLE的建模二、基于VBA的建模第三节计算VaR的历史模拟法一、基于Excel的建模二、基于VBA的计算第四节计算VaR的蒙特卡洛法一、蒙特卡洛方法的基本步骤二、蒙特卡洛模拟的例子
· · · · · · (收起)