外觀
Data Science › 應用領域 › Finance
金融 (Finance)
用金融資料作為統計、時間序列與分類模型的應用場景。金融資料高度雜訊、非平穩,不同頻率下的結論可能完全不同;很多方法(折現、共變異矩陣、尾部風險、回測紀律、校準與門檻、存活機率加權)都能遷移到其他領域。
建議順序
text
金融概念與資料清理 → 投資組合與風險 → 交易策略與回測
↘ 信用風險模型(分類 → 決策) 保險年金(存活機率 × 折現)| 筆記 | 內容 | 可遷移的方法 |
|---|---|---|
| 金融基本概念 | 貨幣時間價值、折現、NPV / IRR、債券、duration / convexity、金融資料清理 | 現金流折現、敏感度(一階 / 二階近似)、時間索引紀律 |
| 投資組合與風險 | 報酬與波動、分散、Sharpe、因子模型、效率前緣、VaR / CVaR、EVT、股價模擬 | 共變異矩陣與收縮估計、蒙地卡羅、厚尾分布、滾動估計 |
| 交易策略與回測 | 技術指標、訊號 → 部位、基準、績效指標、過擬合 | 回測紀律、look-ahead bias、walk-forward 驗證、多重比較 |
| 信用風險模型 | PD / EAD / LGD、logistic 與 boosting、校準、核貸門檻 | 分類模型評估、校準、成本不對稱下的門檻 |
| 保險與年金估值 | 壽命表、EPV、年金、壽險 | 存活機率加權的現金流 |
金融報酬率的自相關(動能、均值回歸、波動聚集)見 時間序列:自相關。
閱讀提醒
| 提醒 | 理由 |
|---|---|
| 價格序列與報酬率序列的性質不同 | 價格非平穩,報酬率接近平穩;不要混著判讀 |
| 統計顯著不等於可交易 | 還要考慮交易成本、容量與穩定性 |
| 先和 buy-and-hold 比 | 最簡單的基準常已經很難打敗 |
| 把時間點與狀態機率分開建模 | 現金流受存活、死亡或違約影響時 |