行為金融學作為金融學的一個分支，其重要性正在被越來越多的人所熟知。然而，前景理論作為行為金融學的核心理論，盡管地位很高，但目前仍不為多數(shù)人所了解。本書全面介紹了前景理論及其在金融領域中的發(fā)展。本書既對前景理論的產(chǎn)生背景、基礎理論、心理基礎及與傳統(tǒng)金融理論的對比分析等內(nèi)容展開了論述，也對前景理論在金融投資組合優(yōu)化方面的實證研究進行了詳細的介紹。本書給出了必備的數(shù)學定義及實操的MATLAB代碼，為讀者提供理論與實操的最大便利。本書具有：前瞻性，直接深入行為金融學核心；綜述性，800余篇參考文獻，有效減少資料搜索時間；實用性，金融投資模型分析，快速掌握建模求解技術。本書既適合對前景理論、投資優(yōu)化及風險管理等相關知識感興趣的人員，也適合想迅速掌握基礎的人工智能技術在金融投資領域應用的人員閱讀。
龔超，工學博士，主要研究領域為人工智能、優(yōu)化算法。曾就職于央企及知名企業(yè)管理咨詢公司，并為多家大型企業(yè)集團提供戰(zhàn)略規(guī)劃、合并重組等咨詢與培訓服務。參與多項國家社會科學基金項目及部委課題研究，在國內(nèi)外期刊共計發(fā)表文章60余篇。目前主要關注人工智能在金融領域的應用。
第1章 概率論與期望值決策 1
1.1 概率測度 1
1.1.1 風險與不確定性 1
1.1.2 集合理論 2
1.1.3 狀態(tài)空間 6
1.1.4 概率空間 7
1.1.5 容度 8
1.1.6 期望 9
1.1.7 主觀概率 10
1.1.8 前景 13
1.2 期望值決策理論 14
1.2.1 荷蘭賭 15
1.2.2 圣彼得堡悖論 16
第2章 期望效用理論 18
2.1 偏好 18
2.1.1 偏好關系 18
2.1.2 偏好公理 19
2.2 函數(shù)的凹凸性 21
2.3 風險態(tài)度與確定性等價 22
2.4 期望效用函數(shù) 26
2.5 正仿射變換 28
2.6 風險厭惡測度 28
2.7 期望效用理論與均值-方差模型 29
第3章 原始前景理論 33
3.1 悖論叢生 33
3.1.1 共同結(jié)果效應 33
3.1.2 共同比率效應 35
3.1.3 框架效應 35
3.1.4 Ellsberg悖論 37
3.1.5 確定效應 38
3.1.6 隔離效應 39
3.2 原始前景理論的賦值 41
3.2.1 反射效應 41
3.2.2 編輯 43
3.2.3 評估 45
3.3 參考點 46
3.4 價值函數(shù) 47
3.5 權重函數(shù) 48
3.5.1 次可加性 49
3.5.2 次確定性 49
3.5.3 次比例性 50
3.5.4 概率的非線性偏好 51
第4章 累積前景理論 53
4.1 原始前景理論的發(fā)展 53
4.2 等級依賴模型 56
4.3 累積前景理論的提出 59
4.4 價值函數(shù) 60
4.5 概率權重函數(shù) 61
4.6 案例：前景值的補充計算 62
4.7 風險態(tài)度的四重模式 63
4.8 累積前景理論的映射 65
第5章 前景理論與實驗經(jīng)濟學 67
5.1 實驗經(jīng)濟學概述 68
5.1.1 實驗經(jīng)濟學的發(fā)展 68
5.1.2 對實驗的質(zhì)疑 70
5.2 實驗目的與對象 71
5.2.1 實驗目的 71
5.2.2 實驗對象 72
5.3 實驗設計 73
5.3.1 指導語 73
5.3.2 控制變量 74
5.3.3 干擾因素 74
5.3.4 隨機數(shù) 74
5.3.5 數(shù)據(jù)采集 75
5.3.6 實驗激勵 76
5.3.7 知識偏差 76
5.3.8 實驗計劃 77
5.4 問卷設計與分析 77
5.4.1 問卷內(nèi)容與結(jié)構(gòu) 77
5.4.2 問卷數(shù)據(jù)分析 79
5.5 案例：累積前景理論的參數(shù)估計 86
第6章 前景理論與心理基礎 88
6.1 是否眼見為實 88
6.2 定基 89
6.2.1 心理賬戶 89
6.2.2 錨定效應 92
6.2.3 沉沒成本 94
6.3 偏離 96
6.3.1 過度自信 96
6.3.2 回本效應 97
6.3.3 后悔厭惡 98
6.4 割舍 98
6.4.1 稟賦效應 98
6.4.2 處置效應 99
6.5 簡化 100
6.5.1 暗示與過濾 100
6.5.2 代表性與熟悉性 100
6.6 情感 102
6.7 外部環(huán)境 103
6.7.1 社會環(huán)境 103
6.7.2 社會比較 103
6.7.3 語言表達 103
6.7.4 羊群效應與從眾心理 104
第7章 前景理論價值函數(shù) 105
7.1 價值函數(shù)的主要類型 105
7.1.1 冪價值函數(shù) 105
7.1.2 線性價值函數(shù) 106
7.1.3 二次價值函數(shù) 107
7.1.4 指數(shù)價值函數(shù) 110
7.1.5 HARA價值函數(shù) 111
7.1.6 非參數(shù)方法下的價值函數(shù) 112
7.2 價值函數(shù)的再討論 112
7.3 損失厭惡 115
7.3.1 損失厭惡 VS 風險厭惡 116
7.3.2 情感與損失厭惡 117
7.3.3 與損失厭惡相關的現(xiàn)象 118
7.4 參考依賴 122
7.5 幾類效用函數(shù) 128
第8章 前景理論權重函數(shù) 131
8.1 概率權重函數(shù) 131
8.2 Prelec概率權重函數(shù) 133
8.3 兩參數(shù)模型 134
8.4 概率權重函數(shù)的心理學解釋 138
8.5 概率權重函數(shù)形式及參數(shù)總結(jié) 139
第9章 前景理論的完善與應用 142
9.1 理論的夯實 142
9.1.1 偏好基礎與公理化 142
9.1.2 從離散到連續(xù) 143
9.1.3 第三代前景理論 144
9.1.4 不精確風險的測度 145
9.2 與傳統(tǒng)金融的聯(lián)系與區(qū)別 145
9.2.1 前景理論與期望效用理論 145
9.2.2 前景理論與均值-方差模型 146
9.2.3 前景理論與高階矩 146
9.2.4 前景理論與資產(chǎn)定價 148
9.2.5 前景理論與行為預測 150
9.3 對異象、悖論及謎題的解釋 150
9.3.1 前景理論與圣彼得堡悖論 150
9.3.2 前景理論與股權溢價之謎 152
9.3.3 前景理論與稟賦效應 152
9.3.4 前景理論與處置效應 153
9.3.5 前景理論與本國效應 155
9.3.6 前景理論與貨幣幻覺 155
9.3.7 前景理論與近視損失厭惡 156
第10章 前景理論與隨機占優(yōu) 159
10.1 占優(yōu) 160
10.2 偏好與函數(shù) 161
10.3 一階隨機占優(yōu) 161
10.4 二階隨機占優(yōu) 162
10.5 三階隨機占優(yōu) 163
10.6 PSD隨機占優(yōu) 165
第11章 前景理論下的投資組合問題 170
11.1 基于理性假設的投資組合問題 170
11.1.1 期望收益與方差 172
11.1.2 有效邊界 174
11.1.3 夏普比率 176
11.1.4 兩基金分離定理 177
11.1.5 系統(tǒng)風險與非系統(tǒng)風險 178
11.1.6 資本資產(chǎn)定價模型 179
11.2 基于前景理論的投資組合問題 181
11.2.1 一個復雜的議題 181
11.2.2 前景理論偏好投資者的投資組合目標函數(shù) 187
第12章 前景理論與風險測度 196
12.1 風險測度 196
12.1.1 風險測度的起源 197
12.1.2 如何測度風險 197
12.1.3 半方差 198
12.2 VaR 199
12.2.1 VaR的起源與發(fā)展 199
12.2.2 VaR的定義 201
12.2.3 VaR的計算 203
12.2.4 VaR的局限與爭議 207
12.3 CVaR 208
12.3.1 CVaR的定義 208
12.3.2 基于樣本情景下的CVaR-、CVaR和CVaR+ 209
12.3.3 CVaR的計算 210
12.4 VaR與CVaR的比較 211
12.4.1 優(yōu)劣勢比較 211
12.4.2 優(yōu)化與約束 212
12.5 VaR偏差和CVaR偏差 212
12.5.1 偏差的定義 212
12.5.2 偏差測度 214
12.5.3 VaR、CVaR與前景理論 215
第13章 時間序列預測法 217
13.1 資產(chǎn)收益率 217
13.1.1 單期簡單收益率 217
13.1.2 多期簡單收益率 218
13.1.3 算術平均收益率 218
13.1.4 幾何平均收益率 218
13.1.5 對數(shù)收益率 219
13.2 時間序列的統(tǒng)計量 220
13.3 平穩(wěn)性 221
13.4 序列相關、同方差及異方差 222
13.5 自相關函數(shù)與偏自相關函數(shù) 223
13.6 AR模型 225
13.7 MA模型 227
13.8 ARMA模型 228
13.9 ARCH模型 229
13.10 GARCH模型 230
第14章 未來情景模擬法 232
14.1 Bootstrap法 233
14.1.1 什么是Bootstrap法 233
14.1.2 基于時間序列的自助法 234
14.1.3 標準自助法 235
14.1.4 移動分塊自助法 235
14.1.5 非重疊分塊自助法 236
14.1.6 實例 237
14.2 蒙特卡羅模擬法 241
14.2.1 定義、起源與發(fā)展 241
14.2.2 應用范圍 243
14.2.3 股價變動與隨機過程 246
14.3 歷史模擬法 250
第15章 優(yōu)化算法 253
15.1 線性規(guī)劃 253
15.1.1 線性規(guī)劃的提出 253
15.1.2 單純形法 258
15.1.3 對偶問題 264
15.2 非線性規(guī)劃 265
15.2.1 無約束優(yōu)化 267
15.2.2 約束優(yōu)化 273
15.2.3 非線性規(guī)劃的難點 276
15.2.4 前景理論與分片線性規(guī)劃 279
15.2.5 凸優(yōu)化 281
第16章 遺傳算法 286
16.1 遺傳算法的原理 287
16.1.1 為什么選擇遺傳算法 287
16.1.2 模式與模式定理 288
16.1.3 積木塊假說 288
16.1.4 探索與開發(fā)的平衡 288
16.2 遺傳算法的基本步驟 290
16.2.1 模型 290
16.2.2 編碼 291
16.2.3 估值 294
16.2.4 選擇 295
16.2.5 交叉 297
16.2.6 變異 300
16.2.7 收斂及終止 301
第17章 前景理論與機器學習 304
17.1 支持向量機 306
17.1.1 線性分類器 307
17.1.2 從線性分類器到非線性分類器 309
17.2 Logistic回歸 313
17.3 過擬合與欠擬合 316
17.4 人工神經(jīng)網(wǎng)絡 318
17.4.1 人工神經(jīng)網(wǎng)絡在金融領域的運用 318
17.4.2 神經(jīng)網(wǎng)絡模型介紹 321
17.4.3 感知機 326
17.4.4 前饋傳播 329
17.4.5 反向傳播 331
17.4.6 實例：BP神經(jīng)網(wǎng)絡預測 336
第18章 基于前景理論的投資組合優(yōu)化的實證分析 339
18.1 無風險約束的前景理論優(yōu)化問題 339
18.1.1 參數(shù)法——多元正態(tài)分布 339
18.1.2 非參數(shù)法——前景模擬 346
18.2 含風險約束的前景理論優(yōu)化問題 347
18.2.1 風險性風險約束 348
18.2.2 偏差性風險約束 349
附錄A MATLAB基礎快速入門 352
A.1 MATLAB簡介 352
A.2 MATLAB入門 354
A.3 MATLAB中的矩陣運算 358
A.4 MATLAB常用數(shù)據(jù)格式的導入/導出 359
A.5 MATLAB中的圖形功能 362
A.6 MATLAB程序設計方法 366
參考文獻 370
書單推薦
