Skip to content

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