Quantitative Finance with OCaml

Hacker News Top 论文

摘要

《Quantitative Finance with OCaml》是一本全面的技术书籍/指南,涵盖使用 OCaml 进行衍生品定价、风险管理、信用建模、算法交易以及高频交易基础设施开发,书中提供生产级质量的代码、严谨诚实的数学推导,并介绍了 OCaml 5 的新特性(域 domains、效果 effects、OxCaml 扩展)。

暂无内容
查看原文
查看缓存全文

缓存时间: 2026/10/05 02:38

# 引言 - OCaml 量化金融 来源:https://qcaml.com/index.html ## OCaml 量化金融 ## OCaml 量化金融 (https://qcaml.com/index.html#quantitative-finance-with-ocaml) > 一本使用 OCaml 构建正确、高性能且可维护的金融系统的综合指南。 --- ## 关于本书 (https://qcaml.com/index.html#about-this-book) 量化金融处于数学、统计学和软件工程的交汇点。大多数从业者会为了快速原型开发而选择 Python,或为了原始速度而选择 C++ —— 但 OCaml 提供了一种罕见的组合:一种既富有表现力、又在构造上保证正确、且足够快速能用于生产级交易系统的语言。 本书通过 OCaml 的视角来讲解量化金融。你将学习定价衍生品、管理风险、构建信用模型、开发交易算法,以及设计稳健的金融基础设施 —— 同时充分利用 OCaml 的类型系统,让整类金融编程错误在编译期就不可能发生。 **本书与众不同之处:** - 每个概念都配有生产级质量的 OCaml 代码 - 数学推导如实呈现,而不是埋藏在附录中 - 我们构建可复用、类型完善的库,并在各章之间不断累积 - 性能与正确性被视为同等重要的关注点 - 涵盖现代 OCaml 5 特性(domains、effects、OxCaml 扩展) --- ## 如何阅读本书 (https://qcaml.com/index.html#how-to-read-this-book) 本书分为七个部分,可以按顺序阅读,也可以作为参考使用: | 部分 | 章节 | 主题 | | --- | --- | --- | | I | 1–4 | OCaml 要点、数学、概率 | | II | 5–8 | 固定收益、债券、收益率曲线、利率衍生品 | | III | 9–14 | 股票市场、Black-Scholes、蒙特卡洛、波动率 | | IV | 15–17 | 信用风险、CDO、多资产模型 | | V | 18–21 | 市场风险、希腊字母(Greeks)、XVA、投资组合优化 | | VI | 22–25 | 算法交易、执行、高频交易基础设施 | | VII | 26–31 | 高级随机微积分、机器学习、监管、OxCaml | 有 OCaml 经验的读者可以略读第 1–2 章。有金融背景的读者可以略读第 5 章和第 9 章。 --- ## 目录 (https://qcaml.com/index.html#table-of-contents) ### 第一部分:基础 (https://qcaml.com/index.html#part-i-foundations) - 第 1 章 —— 为什么量化金融要选 OCaml?(https://qcaml.com/part-1-foundations/ch01-why-ocaml/) - 第 2 章 —— 金融场景下的 OCaml 要点 (https://qcaml.com/part-1-foundations/ch02-ocaml-essentials/) - 第 3 章 —— 数学基础 (https://qcaml.com/part-1-foundations/ch03-mathematical-foundations/) - 第 4 章 —— 概率与统计 (https://qcaml.com/part-1-foundations/ch04-probability-statistics/) ### 第二部分:固定收益与利率 (https://qcaml.com/index.html#part-ii-fixed-income-and-interest-rates) - 第 5 章 —— 货币的时间价值 (https://qcaml.com/part-2-fixed-income/ch05-time-value-of-money/) - 第 6 章 —— 债券与固定收益工具 (https://qcaml.com/part-2-fixed-income/ch06-bonds/) - 第 7 章 —— 收益率曲线 (https://qcaml.com/part-2-fixed-income/ch07-yield-curve/) - 第 8 章 —— 利率衍生品 (https://qcaml.com/part-2-fixed-income/ch08-rate-derivatives/) ### 第三部分:股票与衍生品 (https://qcaml.com/index.html#part-iii-equity-and-derivatives) - 第 9 章 —— 股票市场与工具 (https://qcaml.com/part-3-equity-derivatives/ch09-equity-markets/) - 第 10 章 —— Black-Scholes 框架 (https://qcaml.com/part-3-equity-derivatives/ch10-black-scholes/) - 第 11 章 —— 期权定价的数值方法 (https://qcaml.com/part-3-equity-derivatives/ch11-numerical-methods/) - 第 12 章 —— 蒙特卡洛方法 (https://qcaml.com/part-3-equity-derivatives/ch12-monte-carlo/) - 第 13 章 —— 波动率 (https://qcaml.com/part-3-equity-derivatives/ch13-volatility/) - 第 14 章 —— 奇异期权 (https://qcaml.com/part-3-equity-derivatives/ch14-exotic-options/) ### 第四部分:信用与多资产 (https://qcaml.com/index.html#part-iv-credit-and-multi-asset) - 第 15 章 —— 信用风险与信用衍生品 (https://qcaml.com/part-4-credit-multi-asset/ch15-credit-risk/) - 第 16 章 —— 组合信用衍生品 (https://qcaml.com/part-4-credit-multi-asset/ch16-portfolio-credit/) - 第 17 章 —— 多资产模型与相关性 (https://qcaml.com/part-4-credit-multi-asset/ch17-multi-asset/) ### 第五部分:风险管理 (https://qcaml.com/index.html#part-v-risk-management) - 第 18 章 —— 市场风险 (https://qcaml.com/part-5-risk-management/ch18-market-risk/) - 第 19 章 —— 希腊字母与对冲 (https://qcaml.com/part-5-risk-management/ch19-greeks-hedging/) - 第 20 章 —— 交易对手信用风险 (https://qcaml.com/part-5-risk-management/ch20-counterparty-credit/) - 第 21 章 —— 投资组合风险与优化 (https://qcaml.com/part-5-risk-management/ch21-portfolio-optimization/) ### 第六部分:算法交易与市场微观结构 (https://qcaml.com/index.html#part-vi-algorithmic-trading-and-market-microstructure) - 第 22 章 —— 市场微观结构 (https://qcaml.com/part-6-algorithmic-trading/ch22-microstructure/) - 第 23 章 —— 执行算法 (https://qcaml.com/part-6-algorithmic-trading/ch23-execution/) - 第 24 章 —— 量化交易策略 (https://qcaml.com/part-6-algorithmic-trading/ch24-trading-strategies/) - 第 25 章 —— 高性能交易基础设施 (https://qcaml.com/part-6-algorithmic-trading/ch25-hft-infrastructure/) ### 第七部分:高级主题 (https://qcaml.com/index.html#part-vii-advanced-topics) - 第 26 章 —— 随机微积分与高级定价 (https://qcaml.com/part-7-advanced/ch26-stochastic-calculus/) - 第 27 章 —— 量化金融中的机器学习 (https://qcaml.com/part-7-advanced/ch27-machine-learning/) - 第 28 章 —— 监管与会计框架 (https://qcaml.com/part-7-advanced/ch28-regulatory/) - 第 29 章 —— 量化金融的系统设计 (https://qcaml.com/part-7-advanced/ch29-systems-design/) - 第 30 章 —— 综合实战:一个完整的交易系统 (https://qcaml.com/part-7-advanced/ch30-capstone/) ### 附录 (https://qcaml.com/index.html#appendices) - 附录 A —— 金融场景下的 OCaml 速查手册 (https://qcaml.com/appendices/appendix-a-ocaml-reference/) - 附录 B —— 数学参考 (https://qcaml.com/appendices/appendix-b-math-reference/) - 附录 C —— 金融术语表 (https://qcaml.com/appendices/appendix-c-glossary/) - 附录 D —— 延伸阅读与资源 (https://qcaml.com/appendices/appendix-d-resources/) - 附录 E —— 开发环境搭建 (https://qcaml.com/appendices/appendix-e-setup/) - 附录 F —— 构造即保证正确 (https://qcaml.com/appendices/appendix-f-qf-lib/) --- ## 配套代码 (https://qcaml.com/index.html#companion-code) 每个章节目录包含: ``` chXX-topic/ ├── README.md ← 章节正文 ├── lib/ ← 可复用的库模块 ├── examples/ ← 详细示例 ├── exercises/ ← 练习题 └── benchmarks/ ← 性能实验 ``` --- ## 构建示例 (https://qcaml.com/index.html#building-the-examples) ``` # 安装依赖 opam install core owl zarith menhir ppx_deriving # 构建所有示例 cd quantitative-finance-with-ocaml dune build # 运行测试 dune test ``` --- ## 关于符号的说明 (https://qcaml.com/index.html#a-note-on-notation) 在本书中: - OCaml 代码显示在语法高亮的代码块中 - 数学公式使用标准记号:$S_t$ 表示时刻 $t$ 的资产价格,$\sigma$ 表示波动率,$r$ 表示无风险利率 - 类型采用 OCaml 记号,例如 `float -> float -> float` - 模块路径写作 `Module.function`,例如 `Black_scholes.price` --- *版本 1.0 —— 2026 年 2 月。欢迎通过项目仓库提交勘误和贡献。* https://qcaml.com/part-1-foundations/ch01-why-ocaml/index.html https://qcaml.com/part-1-foundations/ch01-why-ocaml/index.html

相似文章

Lean 4中一个形式化验证的金融数学库

Hugging Face Daily Papers

本文描述了Lean 4中一个形式化验证的金融数学库,包含200多个定理,涵盖从测度论基础到衍生品定价的内容,并包含一个保真度审计,根据Lean语句与所声称数学之间的关系对结果进行分类。

@waveking1314: 有人把量化基金常用的工具,全部整理进了一个免费的GitHub仓库。 定价引擎、回测框架、订单簿、实时行情、风险模型,几乎一套配齐。 里面的项目多到有点离谱: 期权定价库 用来计算期权和衍生品价值,覆盖多种定价模型与风险指标。 完整回测框架…

X AI KOLs Timeline

A user curated a free GitHub repository aggregating numerous open-source quantitative finance tools, including pricing engines, backtesting frameworks, order book simulators, and risk models, making institutional-grade research tools accessible to individuals at minimal cost.