第一部分 風(fēng)險(xiǎn)管理基礎(chǔ)
第一章 風(fēng)險(xiǎn)管理：宏觀面視角
1.1 風(fēng)險(xiǎn)管理的基本概念
1.3 風(fēng)險(xiǎn)的類別
1.4 衡量和管理風(fēng)險(xiǎn)
第二章 企業(yè)風(fēng)險(xiǎn)管理初探
2.1 對(duì)沖風(fēng)險(xiǎn)敞口的利弊
2.2 風(fēng)險(xiǎn)對(duì)沖的流程
第三章 公司治理與風(fēng)險(xiǎn)管理
3.1 公司治理與風(fēng)險(xiǎn)管理的最佳方案
3.2 風(fēng)險(xiǎn)管理機(jī)制
第四章 什么是企業(yè)風(fēng)險(xiǎn)管理ERM？
4.1 企業(yè)風(fēng)險(xiǎn)管理（Enterprise Risk Management, ERM）
4.2 企業(yè)風(fēng)險(xiǎn)管理的優(yōu)缺點(diǎn)
4.3 ERM的各組成部分
第五章 銀行的風(fēng)險(xiǎn)管理、治理、文化以及風(fēng)險(xiǎn)承擔(dān)
5.1 銀行的最優(yōu)風(fēng)險(xiǎn)水平
5.2 銀行的風(fēng)險(xiǎn)管理
5.3 銀行的風(fēng)險(xiǎn)治理、激勵(lì)機(jī)制與風(fēng)險(xiǎn)文化
第六章 風(fēng)險(xiǎn)數(shù)據(jù)整合與風(fēng)險(xiǎn)報(bào)告的原則
6.1 風(fēng)險(xiǎn)數(shù)據(jù)整合（Risk Data Aggregation)
6.2 風(fēng)險(xiǎn)報(bào)告（Risk Reporting)
第七章 資本資產(chǎn)定價(jià)模型
7.1 現(xiàn)代投資組合理論（Modern Portfolio Theory)
7.2 資本資產(chǎn)定價(jià)模型（CAPM）
第八章 應(yīng)用CAPM模型進(jìn)行績(jī)效測(cè)量
8.1 業(yè)績(jī)度量（Performance Measurement)
第九章 套利定價(jià)理論與多因素模型
9.1 因素模型
12.2 套利定價(jià)理論
第十章 金融災(zāi)難案例分析
10.1 由誤導(dǎo)性報(bào)告引發(fā)的金融災(zāi)難（Financial Disasters）案例
10.2 由市場(chǎng)波動(dòng)引發(fā)的金融災(zāi)難案例
10.3 由客戶經(jīng)營(yíng)行為引發(fā)的金融災(zāi)難案例
第十一章 解密2007~2008年的流動(dòng)性和信貸緊縮
11.1 金融危機(jī)的背景
11.2 金融危機(jī)的過(guò)程
11.3 導(dǎo)致危機(jī)被放大的機(jī)制
第十二章 金融危機(jī)文獻(xiàn)總結(jié)
12.1 金融危機(jī)的形成
12.2 金融危機(jī)中的恐慌
12.3 政府的應(yīng)對(duì)政策
12.4 金融危機(jī)造成的實(shí)際影響
第十三章 風(fēng)險(xiǎn)管理失敗—是什么？何時(shí)會(huì)發(fā)生？
13.1 何謂風(fēng)險(xiǎn)管理失敗
13.2 風(fēng)險(xiǎn)管理失敗的類型
第十四章 GARP行為準(zhǔn)則
14.1 概述
14.2 基本原則
第二部分 數(shù)量分析
第一章 概率論
1.1 隨機(jī)事件與概率
1.2 離散與連續(xù)隨機(jī)變量及其概率分布
第二章 貝葉斯分析
2.1 貝葉斯學(xué)派與頻率學(xué)派
2.2 貝葉斯公式
第三章 基本統(tǒng)計(jì)量
3.1 中心趨勢(shì)
3.2 離散程度
3.3 偏度與峰度(Skewness and Kurtosis)
第四章 概率分布
4.1 參數(shù)分布（Parametric Distribution）
4.2 離散分布
4.3 連續(xù)分布
4.4 抽樣分布
4.5 混合分布
第五章 假設(shè)檢驗(yàn)與置信區(qū)間
5.1 樣本均值與樣本方差
5.2 中心極限定理（Central Limit Theorem）
5.3 區(qū)間估計(jì)（Confidence Interval Estimate）
5.4 假設(shè)檢驗(yàn)（Hypothesis Test）
5.5 均值與方差的假設(shè)檢驗(yàn)
5.6 回測(cè)（Backtesting）
第六章 一元線性回歸
6.1 線性回歸的基本思想
6.2 最小二乘法
第七章 一元線性回歸的假設(shè)檢驗(yàn)與區(qū)間估計(jì)
7.1 回歸系數(shù)的檢驗(yàn)與置信區(qū)間
7.2 二值變量（Binary Variable）
7.3 異方差（Heteroskedasticity）與同方差（Homoskedasticity）
7.4 高斯-馬爾科夫定理（Gauss-Markov Theorem）
第八章 多元線性回歸
8.1 遺漏變量偏誤（Omitted Variable Bias）
8.2 多元線性回歸模型
8.3 多元線性回歸的擬合優(yōu)度
8.4 多重共線性（Multicollinearity）
第九章 多元線性回歸的假設(shè)檢驗(yàn)與區(qū)間估計(jì)
9.1 聯(lián)合假設(shè)檢驗(yàn)（Tests of Joint Hypotheses）
9.2 單約束條件下的多系數(shù)假設(shè)檢驗(yàn)
9.3 理解R2與調(diào)整R2在實(shí)操中的含義
第十章 建模與預(yù)測(cè)趨勢(shì)
10.1 趨勢(shì)建模（Modeling Trend）
10.2 趨勢(shì)建模的估計(jì)
10.3 預(yù)測(cè)建模的選擇
第十一章 建模與預(yù)測(cè)季節(jié)性因素
11.1 季節(jié)性因素的來(lái)源（Sources of Seasonality）
11.2 季節(jié)性因素的建模
11.3 季節(jié)性因素的預(yù)測(cè)
第十二章 時(shí)間序列的周期性特征
12.1 協(xié)方差平穩(wěn)的時(shí)間序列（Covariance Stationary Time Series）
12.2 白噪聲（White Noise）
12.3 Wold定理
12.4 自相關(guān)函數(shù)與偏自相關(guān)函數(shù)的估計(jì)與推斷
第十三章 對(duì)周期性建模：MA、AR與ARMA模型
13.1 移動(dòng)平均模型（Moving Average Models, MA）
13.2 自回歸模型（Autoregressive Models, AR）
13.3 自回歸移動(dòng)平均模型（Autoregressive Moving Average Models , ARMA）
第十四章 波動(dòng)率
14.1 波動(dòng)率的定義（Definition of Volatility）
14.2 冪律（The Power Law）
14.3 ARCH模型
14.4 EWMA模型
14.5 GARCH模型
第十五章 相關(guān)性與連接函數(shù)
15.1 相關(guān)系數(shù)
15.2 因子模型（Factor Model）
15.3 Copula函數(shù)
第十六章 模擬
16.1 蒙特卡羅模擬
16.2 方差減少技術(shù)（Variance Reduction Techniques）
16.3 倒脫靴方法（Bootstrapping）
16.4 隨機(jī)數(shù)生成過(guò)程
16.5 模擬的缺點(diǎn)
第一部分 風(fēng)險(xiǎn)管理基礎(chǔ)
第一章 風(fēng)險(xiǎn)管理：宏觀面視角
1.1 風(fēng)險(xiǎn)管理的基本概念
1.3 風(fēng)險(xiǎn)的類別
1.4 衡量和管理風(fēng)險(xiǎn)
第二章 企業(yè)風(fēng)險(xiǎn)管理初探
2.1 對(duì)沖風(fēng)險(xiǎn)敞口的利弊
2.2 風(fēng)險(xiǎn)對(duì)沖的流程
第三章 公司治理與風(fēng)險(xiǎn)管理
3.1 公司治理與風(fēng)險(xiǎn)管理的最佳方案
3.2 風(fēng)險(xiǎn)管理機(jī)制
第四章 什么是企業(yè)風(fēng)險(xiǎn)管理ERM？
4.1 企業(yè)風(fēng)險(xiǎn)管理（Enterprise Risk Management, ERM）
4.2 企業(yè)風(fēng)險(xiǎn)管理的優(yōu)缺點(diǎn)
4.3 ERM的各組成部分
第五章 銀行的風(fēng)險(xiǎn)管理、治理、文化以及風(fēng)險(xiǎn)承擔(dān)
5.1 銀行的最優(yōu)風(fēng)險(xiǎn)水平
5.2 銀行的風(fēng)險(xiǎn)管理
5.3 銀行的風(fēng)險(xiǎn)治理、激勵(lì)機(jī)制與風(fēng)險(xiǎn)文化
第六章 風(fēng)險(xiǎn)數(shù)據(jù)整合與風(fēng)險(xiǎn)報(bào)告的原則
6.1 風(fēng)險(xiǎn)數(shù)據(jù)整合（Risk Data Aggregation)
6.2 風(fēng)險(xiǎn)報(bào)告（Risk Reporting)
第七章 資本資產(chǎn)定價(jià)模型
7.1 現(xiàn)代投資組合理論（Modern Portfolio Theory)
7.2 資本資產(chǎn)定價(jià)模型（CAPM）
第八章 應(yīng)用CAPM模型進(jìn)行績(jī)效測(cè)量
8.1 業(yè)績(jī)度量（Performance Measurement)
第九章 套利定價(jià)理論與多因素模型
9.1 因素模型
12.2 套利定價(jià)理論
第十章 金融災(zāi)難案例分析
10.1 由誤導(dǎo)性報(bào)告引發(fā)的金融災(zāi)難（Financial Disasters）案例
10.2 由市場(chǎng)波動(dòng)引發(fā)的金融災(zāi)難案例
10.3 由客戶經(jīng)營(yíng)行為引發(fā)的金融災(zāi)難案例
第十一章 解密2007~2008年的流動(dòng)性和信貸緊縮
11.1 金融危機(jī)的背景
11.2 金融危機(jī)的過(guò)程
11.3 導(dǎo)致危機(jī)被放大的機(jī)制
第十二章 金融危機(jī)文獻(xiàn)總結(jié)
12.1 金融危機(jī)的形成
12.2 金融危機(jī)中的恐慌
12.3 政府的應(yīng)對(duì)政策
12.4 金融危機(jī)造成的實(shí)際影響
第十三章 風(fēng)險(xiǎn)管理失敗—是什么？何時(shí)會(huì)發(fā)生？
13.1 何謂風(fēng)險(xiǎn)管理失敗
13.2 風(fēng)險(xiǎn)管理失敗的類型
第十四章 GARP行為準(zhǔn)則
14.1 概述
14.2 基本原則
第二部分 數(shù)量分析
第一章 概率論
1.1 隨機(jī)事件與概率
1.2 離散與連續(xù)隨機(jī)變量及其概率分布
第二章 貝葉斯分析
2.1 貝葉斯學(xué)派與頻率學(xué)派
2.2 貝葉斯公式
第三章 基本統(tǒng)計(jì)量
3.1 中心趨勢(shì)
3.2 離散程度
3.3 偏度與峰度(Skewness and Kurtosis)
第四章 概率分布
4.1 參數(shù)分布（Parametric Distribution）
4.2 離散分布
4.3 連續(xù)分布
4.4 抽樣分布
4.5 混合分布
第五章 假設(shè)檢驗(yàn)與置信區(qū)間
5.1 樣本均值與樣本方差
5.2 中心極限定理（Central Limit Theorem）
5.3 區(qū)間估計(jì)（Confidence Interval Estimate）
5.4 假設(shè)檢驗(yàn)（Hypothesis Test）
5.5 均值與方差的假設(shè)檢驗(yàn)
5.6 回測(cè)（Backtesting）
第六章 一元線性回歸
6.1 線性回歸的基本思想
6.2 最小二乘法
第七章 一元線性回歸的假設(shè)檢驗(yàn)與區(qū)間估計(jì)
7.1 回歸系數(shù)的檢驗(yàn)與置信區(qū)間
7.2 二值變量（Binary Variable）
7.3 異方差（Heteroskedasticity）與同方差（Homoskedasticity）
7.4 高斯-馬爾科夫定理（Gauss-Markov Theorem）
第八章 多元線性回歸
8.1 遺漏變量偏誤（Omitted Variable Bias）
8.2 多元線性回歸模型
8.3 多元線性回歸的擬合優(yōu)度
8.4 多重共線性（Multicollinearity）
第九章 多元線性回歸的假設(shè)檢驗(yàn)與區(qū)間估計(jì)
9.1 聯(lián)合假設(shè)檢驗(yàn)（Tests of Joint Hypotheses）
9.2 單約束條件下的多系數(shù)假設(shè)檢驗(yàn)
9.3 理解R2與調(diào)整R2在實(shí)操中的含義
第十章 建模與預(yù)測(cè)趨勢(shì)
10.1 趨勢(shì)建模（Modeling Trend）
10.2 趨勢(shì)建模的估計(jì)
10.3 預(yù)測(cè)建模的選擇
第十一章 建模與預(yù)測(cè)季節(jié)性因素
11.1 季節(jié)性因素的來(lái)源（Sources of Seasonality）
11.2 季節(jié)性因素的建模
11.3 季節(jié)性因素的預(yù)測(cè)
第十二章 時(shí)間序列的周期性特征
12.1 協(xié)方差平穩(wěn)的時(shí)間序列（Covariance Stationary Time Series）
12.2 白噪聲（White Noise）
12.3 Wold定理
12.4 自相關(guān)函數(shù)與偏自相關(guān)函數(shù)的估計(jì)與推斷
第十三章 對(duì)周期性建模：MA、AR與ARMA模型
13.1 移動(dòng)平均模型（Moving Average Models, MA）
13.2 自回歸模型（Autoregressive Models, AR）
13.3 自回歸移動(dòng)平均模型（Autoregressive Moving Average Models , ARMA）
第十四章 波動(dòng)率
14.1 波動(dòng)率的定義（Definition of Volatility）
14.2 冪律（The Power Law）
14.3 ARCH模型
14.4 EWMA模型
14.5 GARCH模型
第十五章 相關(guān)性與連接函數(shù)
15.1 相關(guān)系數(shù)
15.2 因子模型（Factor Model）
15.3 Copula函數(shù)
第十六章 模擬
16.1 蒙特卡羅模擬
16.2 方差減少技術(shù)（Variance Reduction Techniques）
16.3 倒脫靴方法（Bootstrapping）
16.4 隨機(jī)數(shù)生成過(guò)程
16.5 模擬的缺點(diǎn)
書(shū)單推薦
