首页 > 其他分享 >金融学-学习路线

金融学-学习路线

时间:2024-06-21 14:59:00浏览次数:26  
标签:学习 模型 书籍 路线 金融 衍生品 金融学

以下是金融学必须要掌握的知识目录,涵盖了从基础到高级的内容

学习路线

一、基础知识

  1. 金融基础

    • 金融市场与金融工具
    • 货币的时间价值
  2. 财务报表分析

    • 资产负债表
    • 利润表
    • 现金流量表
    • 财务比率分析
  3. 经济学基础

    • 宏观经济学
      • GDP、通货膨胀、失业率
      • 财政政策与货币政策
    • 微观经济学
      • 需求与供给
      • 市场结构

二、投资学

  1. 金融资产

    • 股票
    • 债券
    • 衍生品(期权、期货等)
  2. 投资组合理论

    • 现代投资组合理论(Markowitz模型)
    • 资本资产定价模型(CAPM)
    • 套利定价理论(APT)
  3. 证券分析

    • 基本面分析
    • 技术分析
    • 行为金融学

三、公司金融

  1. 公司融资

    • 股权融资
    • 债务融资
    • 混合融资工具
  2. 资本预算

    • 净现值(NPV)
    • 内部收益率(IRR)
    • 回收期法
  3. 资本结构与股利政策

    • 权益与负债的权衡
    • 最优资本结构理论
    • 股利政策与股利理论

四、金融衍生品

  1. 期权

    • 欧式期权与美式期权
    • 期权定价模型(Black-Scholes模型)
    • 对冲策略
  2. 期货与远期合约

    • 期货市场运作机制
    • 套期保值与投机
  3. 互换与其他衍生品

    • 利率互换
    • 信用衍生品

五、风险管理

  1. 风险测量

    • 风险价值(VaR)
    • 条件风险价值(CVaR)
  2. 风险管理工具

    • 对冲工具
    • 保险机制
  3. 信用风险管理

    • 信用评分模型
    • 违约概率

六、计量金融学

  1. 时间序列分析

    • 自回归模型(AR)
    • 移动平均模型(MA)
    • 自回归移动平均模型(ARMA)
    • GARCH模型
  2. 回归分析

    • 线性回归
    • 多元回归
    • 面板数据分析
  3. 经济计量模型

    • 逻辑斯蒂回归
    • Probit模型

七、行为金融学

  1. 市场行为

    • 投资者心理
    • 市场异常现象
  2. 行为偏差

    • 过度自信
    • 锚定效应
    • 从众心理

八、量化金融

  1. 算法交易

    • 高频交易
    • 算法策略
  2. 机器学习在金融中的应用

    • 监督学习
    • 无监督学习
    • 深度学习
  3. 金融数据分析

    • 数据获取与处理
    • 数据可视化
    • 数据挖掘技术

九、金融市场与机构

  1. 金融市场

    • 货币市场
    • 资本市场
    • 外汇市场
  2. 金融机构

    • 银行
    • 投资公司
    • 对冲基金

十、国际金融

  1. 国际贸易与资本流动

    • 国际收支
    • 外汇市场
  2. 国际金融体系

    • 国际货币基金组织(IMF)
    • 世界银行
  3. 汇率制度

    • 固定汇率
    • 浮动汇率

十一、法律与伦理

  1. 金融法律法规

    • 证券法
    • 公司法
  2. 金融伦理

    • 道德风险
    • 公司治理

学习量化策略,特别要关注投资学、风险管理、计量金融学和量化金融这几个领域。

书籍推荐

基础书籍

  1. 《金融学(精要版)》 - 斯蒂芬·罗斯、伦道夫·韦斯特菲尔德、杰弗里·杰富利·杰富里·杰富利

    • 这本书涵盖了金融学的基本概念和原理,是金融学入门的经典教材。
  2. 《投资学》 - 兹维·博迪、阿历克斯·凯恩、艾伦·J·马库斯

    • 详细介绍了投资学的基础知识,包括股票、债券、衍生品等内容,是学习投资学的必读书籍。
  3. 《公司理财》 - 斯蒂芬·A·罗斯、伦道夫·W·韦斯特菲尔德、杰弗里·J·杰富利

    • 主要介绍了公司财务管理的基本理论和实际应用,适合初学者学习公司金融。

进阶书籍

  1. 《现代投资组合理论与投资分析》 - 埃德温·埃尔顿、马丁·J·格鲁伯、斯蒂芬·J·布朗、威廉·N·戈茨曼

    • 详细介绍了现代投资组合理论和各种投资分析方法,是投资组合管理的经典书籍。
  2. 《金融衍生品》 - 约翰·C·赫尔

    • 这本书详细介绍了金融衍生品的定价和应用,是学习期权、期货等衍生品的重要参考书。
  3. 《计量经济学》 - 戴姆特里·N·加扎莱斯、威廉·H·格林

    • 提供了金融学中常用的计量经济学方法和模型,适合有一定统计学基础的读者。

专业书籍

  1. 《行为金融学》 - 理查德·H·泰勒

    • 这本书解释了行为金融学的核心概念,帮助理解投资者行为及其对市场的影响。
  2. 《金融数据科学》 - 马修·迪克森、伊戈尔·哈拉斯、保罗·菲舍尔

    • 介绍了金融数据分析和机器学习在金融中的应用,适合有编程和数据分析基础的读者。
  3. 《算法交易与量化策略》 - 欧内斯特·P·陈

    • 这本书详细介绍了算法交易的基本概念和策略设计,适合有志于从事量化交易的读者。
  4. 《高频交易》 - 迈克尔·刘易斯

    • 通过真实的案例介绍高频交易的基本原理和操作,适合对高频交易感兴趣的读者。

补充阅读

  1. 《穷查理宝典》 - 查理·芒格

    • 尽管不是专门的金融学书籍,但查理·芒格的投资智慧和多元思维模型对金融学学习和实践有很大启发。
  2. 《漫步华尔街》 - 伯顿·马尔基尔

    • 这本书通过对金融市场的历史和现状进行分析,提供了投资的基本原则和策略。

这些书籍涵盖了金融学的广泛领域,从基础概念到高级应用,适合不同层次的读者。通过系统学习这些书籍,可以快速掌握金融学的核心知识,并应用于实际的金融分析和量化策略设计中。

标签:学习,模型,书籍,路线,金融,衍生品,金融学
From: https://www.cnblogs.com/jikefan/p/18260477

相关文章

  • 深度学习各算法的优缺点和适用场景!!纯干货,建议收藏。(下篇)
    ............纯   干  货........上篇地址:深度学习各算法的优缺点和适用场景!!纯干货,建议收藏。(上篇)-CSDN博客目录废话不说,直接上干货自编码器1、标准自编码器(VanillaAutoencoder)2、稀疏自编码器(SparseAutoencoder)3、去噪自编码器(Denoisin......
  • 深度学习各算法的优缺点和适用场景!!纯干货,建议收藏。(上篇)
     ........纯  干  货..........下篇地址:深度学习各算法的优缺点和适用场景!!纯干货,建议收藏。(下篇)-CSDN博客​目录前馈神经网络1、梯度下降(GradientDescent)2、随机梯度下降(StochasticGradientDescent,SGD)3、小批量梯度下降(Mini-batchGradi......
  • 鸿蒙开发学习随记(1)——ArkTS基础语言学习
    目录变量与常量数组函数常规函数箭头函数接口与对象联合体枚举类型变量与常量在ArkTS语言中有三种常见的数据类型:number,string,boolean。变量这样声明定义://变量命名letname:string="zhangsan"//let是一个关键字声明变量,name是变量名,string是类型,=后面......
  • 微信小程序学习(七):自定义组件和通信
    1、基本知识开发中常见的组件主要分为公共组件和页面组件两种,因此注册组件的方式也分为两种:全局注册:在app.json文件中配置usingComponents节点进行引用声明,注册后可在任意组件使用局部注册:在页面.json文件中配置usingComponents节点进行引用声明,只可在当前页面......
  • 学习 C# 中的 Action 和 Func 委托
    介绍在C#中,委托是一种强大的工具,它使方法能够作为参数传递。最常用的两种委托类型是Action和Func。这些通用委托通过为常见场景提供内置类型来简化委托的使用。本文探讨Action和Func委托、它们的区别以及如何有效使用它们的实际示例。Action委托Action委托表示......
  • 【TensorFlow深度学习】开源社区支持与GitHub上贡献代码的流程
    开源社区支持与GitHub上贡献代码的流程开源社区支持与GitHub上贡献代码的流程:携手共创软件未来1.开源社区支持的意义2.如何在GitHub上找到合适的项目3.贡献代码的流程3.1.Fork与Clone3.2.创建分支3.3.修改代码3.4.提交与推送3.5.创建PullRequest......
  • 【TensorFlow深度学习】量化压缩技术在降低模型体积中的应用
    量化压缩技术在降低模型体积中的应用量化压缩技术在降低模型体积中的应用1.引言2.量化压缩基础3.实战:使用TensorFlowLite进行模型量化4.评估量化效果5.结果分析与优化建议6.结语量化压缩技术在降低模型体积中的应用在深度学习领域,模型的......
  • 2024我们该学习大模型吗?
    一、引言在快速变化的科技行业中,人工智能(AI)大模型已成为研究和应用的热点。随着AI技术的不断进步,特别是在自然语言处理、计算机视觉和机器学习平台等领域,许多专业人士开始将目光投向AI大模型的开发和应用。二、AI大模型兴起的原因AI大模型的兴起得益于几个关键因素。首......
  • Python 学习 第三册 第13章 动态规划
    ----用教授的方式学习目录13.1 又见斐波那契数列13.2 动态规划与 0/1 背包问题13.3 动态规划与分治算法13.1 又见斐波那契数列一个很直观的斐波那契数列的递归实现:deffib(n):    """假设n是非负整数返回第n个斐波那契数"""    ifn==0o......
  • Python 学习 第四册 第8章 结构化的文本文件
    ----用教授的方式学习。目录8.1结构化的文本文件8.1.1CSV8.1.2 XML8.1.3 JSON8.1.4 YAML8.1结构化的文本文件结构化的文本有很多格式,区别它们的方法如下所示。• 分隔符,比如 tab('\t')、逗号(',')或者竖线('|')。逗号分隔值(CSV)就是这样的例子。• '<' 和 '>' ......