- 많이 사용하는 금융 데이터 분석
- 공적분, VAR, GARCH, APT, 블랙 숄즈, 마그레이브, 로그 옵티멀, 중심-주변, 전염 같은 이론 모델의 구축과 조정, 테스트, 구현
- R로 빅 데이터, 이산 헤징, 거래 비용 등과 관련된 실제 금융 문제 해결
- 시뮬레이션 테크닉 발견과 분석 수식이 없을 경우의 적용
- 위험 선호도에 맞춘 성공적인 차익거래, 추측, 헤징 전략 생성
- 시장 요인과 포트폴리오에 미치는 영향 간의 관계 이해
- 거래 전략의 정확성과 비용 간의 균형 평가

이 책은 기본 금융 개념에 익숙하며 프로그램 경험이 있는 독자를 대상으로 한다. 하지만 정량 금융을 이미 알고 있거나 R 프로그래밍 경험이 있다고 하더라도 이 책을 통해 배울 수 있는 바가 있을 것이다. 이미 이 중 한 가지 주제의 전문가라면, 이 책은 다른 주제를 쉽게 배울 수 있도록 도와준다. 하지만 모든 장들을 완벽하게 익히려면 정량 금융을 중간 레벨 정도로 알고 있을 필요가 있으며, 또한 R에 대한 어느 정도의 지식이 필요하다.

1장, ‘시계열 분석’에서는 공적분(cointegration(structural))과 벡터 자기 회귀 모델(vector autoregressive Models), 임펄스-응답 함수(impulse-response functions), 변동성 비대칭 GARCH 모델(volatility modeling with asymmetric GARCH models), 정보 반응 곡선(news impact curves) 같은 중요한 개념을 다룬다.
2장, ‘요인 모델’에서는 다요인 모델을 구축하고 구현하는 방법을 소개한다. 주요인 분석(principal component analysis)을 통해 자산 수익률을 설명하는 5개의 독립된 요인을 판별한다. 예제로 파마와 프렌치 모델(Fama and French model)을 실제 시장 데이터셋으로 재현한다.
3장, ‘거래량 예측’에서는 일별 거래량 예측 모델(intraday volume forecasting model)을 다루며, DJIA 인덱스 데이터를 이용해 R로 구현한다. 이 모델은 거래량 대신 회전율(turnover)을 사용했으며, 동적 요인에서 계절 요인(seasonal components)을 분리했다. 그리고 이 두 가지를 독립적으로 예측했다.
4장, ‘빅데이터 - 고급 분석’에서는 R을 이용해 오픈소스 데이터에 접근해 큰 데이터셋에서 여러 분석을 실행한다. 예제로 K-평균 군집(K-means clustering)과 선형 회귀 분석 모델(linear regression model)을 빅데이터에 적용한다.
5장, ‘FX 파생 상품’에서는 파생 상품 프라이싱을 위한 블랙 숄즈 모델(Black-Scholes model)을 일반화한다. 블랙 숄즈 모델의 확장인 마그레이브 수식(Margrabe formula)을 프로그래밍해 주식 옵션과 환율 옵션, 교환 옵션 퀀토 옵션을 프라이싱한다.

6장, ‘금리 파생 상품과 모델’에서는 이자율 모델과 이자율 파생 상품에 대한 개요를 제공한다. 블랙 모델은 캡(cap)과 캐플릿(caplet)을 프라이싱할 때 사용한다. 또 바시첵(Vasicek)이나 CIR과 같이 이자율 모델도 소개한다.
7장, ‘이색 옵션’에서는 이색 옵션을 소개하며, 이색 옵션과 평범한 바닐라 옵션 간의 관계를 설명한다. 그리고 파생 상품 프라이싱 함수에 대한 그릭 추정을 다룬다. 이색 옵션 중 하나인 더블-노-터치 바이너리 옵션(Double-No-Touch(DNT) binary option)을 자세하게 다룬다.
8장, ‘최적 헤지’에서는 파생 상품을 헤지할 때 일어날 수 있는 실질적인 문제를 분석한다. 여기서는 포트폴리오를 재정렬하는 이산 시간(discrete time)과 거래 비용으로 인한 문제를 다룬다. 헤지 전략을 발견하기 위해 다른 수치 최적 알고리즘(numerical-optimization algorithms)을 사용한다.
9장, ‘기본적 분석’에서는 기본적 기초에 근거한 투자 전략을 구축하는 방법을 다룬다. 최고의 실적을 내는 주식을 선택하기 위해, 과거 성과에 따라 회사의 클러스터를 생성하고, 의사 결정 나무(decision tree)로 초과 성과 회사를 분리해낸다. 이를 바탕으로 주식 결정 규칙을 정의하고 백테스트(backtest)한다.

10장, ‘기술 분석과 뉴럴 네트워크, 로그옵티멀 포트폴리오’에서는 기술적 분석뿐 아니라 뉴럴 네트워크와 로그옵티멀 포트폴리오와 같은 관련된 전략을 개략적으로 설명한다. 단일 자산(비트코인)의 가격을 예측하거나 트레이딩 타이밍의 최적과 포트폴리오(NYSE 주식) 분배와 같은 문제들도 다룬다.
11장, ‘자산과 부채 관리’에서는 R을 이용해 은행의 자산과 부채를 관리하는 과정을 살펴본다. 데이터 생성, 이자율 리스크의 측정과 리포트, 유동성 리스크 관리, 비만기 예금을 다룬다.
12장, ‘자본 적정성’에서는 바젤 협정(Basel Accords)의 규정에 대해 간략하게 소개한다. 그리고 은행의 자본 적정성을 결정하기 위해 과거 데이터와 델타-노멀(delta-normal), 몬테-카를로(Monte-Carlo) 시뮬레이션 방법을 이용해 최대 예상 손실액(value-at-risk)을 계산한다.
13장, ‘시맨틱 리스크’에서는 금융 시스템에 영향을 미치는 주요 금융 기관을 식별하기 위해 네트워크 이론(network theory)에 바탕을 둔 두 가지 방법, 중심-주변 모델(core-periphery model)과 전염 모델(contagion model)을 소개한다.