《计算金融》分为九章。首章是绪论，对重要的概念进行了界定，对于计算金融的历史沿革、现状进行了介绍。第二章和第三章构成了《计算金融》内容中的金融计量学部分，主要聚焦于时间序列类型的数据。其中，第二章介绍了传统的ARMA模型，在此基础上引入GARCH模型对其做出修正；第三章则分别介绍了人工神经网络、相空间重构和小波方法，基本涵盖了近年来这个领域较为前沿的研究方法。第四章、第五章和第六章构成了《计算金融》的金融衍生品定价部分，以期权作为例子。其中，第四章提出了连续时间情形中期权定价模型的建立；第五章则给出了数值求解方法；第六章讲述了以二项式模型为代表的离散型方法，以及离散模型和连续模型之间的关系。第七章介绍了Monte-Carlo方法，这种方法作为现代金融业风险管理工作中非常重要的方法之一，有必要向读者介绍，《计算金融》从理论到修正方案都对其做了讲述。第八章和第九章是《计算金融》的风险管理部分。其中，第八章从均值一方差模型、资本资产定价模型、VaR模型几个重要模型出发，介绍了一般意义上的金融风险管理。第九章从复杂网络的视角出发，给出了系统性风险测度的一些方法。
　　《计算金融》作为“计算金融”这门课程的配套教材，给出了大量的算例，有助于读者理解对应的理论。
　　《计算金融》的内容适合于本科生和硕士研究生相关课程的教学。

　　计算金融属于交叉学科。金融业一经诞生，就伴随有计算，只是在金融发展的不同阶段，计算在其中的地位和发挥的作用经历了从简单到复杂、从初级到高级的过程。2008年至今，笔者承担“计算金融”课程的教学任务已经十年有余，在备课和研究的过程中深切感受到，近现代金融业实务和金融业教育涉及大量的数学、物理、信息科学和技术等知识，因此非常有必要向金融专业的读者介绍这方面的相关知识、理论和模型，这也是笔者撰写本书的初衷所在。
　　本书分为九章。第一章是绪论，对重要的概念进行了界定，对于计算金融的历史沿革、现状进行了介绍。第二章和第三章构成了本书内容中的金融计量学部分，主要聚焦于时间序列类型的数据。其中，第二章介绍了传统的ARMA模型，在此基础上引入GARCH模型对其做出修正；第三章则分别介绍了人工神经网络、相空间重构和小波方法，基本涵盖了近年来这个领域较为前沿的研究方法。第四章、第五章和第六章构成了本书的金融衍生品定价部分，以期权作为例子。其中，第四章提出了连续时间情形中期权定价模型的建立；第五章则给出了数值求解方法；第六章讲述了以二项式模型为代表的离散型方法，以及离散模型和连续模型之间的关系。第七章介绍了Monte-Carlo方法，这种方法作为现代金融业风险管理工作中最重要的方法之一，有必要向读者介绍，本书从理论到修正方案都对其做了讲述。第八章和第九章是本书的风险管理部分。其中，第八章从均值一方差模型、资本资产定价模型、VaR模型几个重要模型出发，介绍了一般意义上的金融风险管理。第九章从复杂网络的视角出发，给出了系统性风险测度的一些方法。
　　本书作为“计算金融”这门课程的配套教材，给出了大量的算例，有助于读者理解对应的理论。本书的内容适合于本科生和硕士研究生相关课程的教学。如果遇到学时不足的情况，我们可以对讲授内容适当做出取舍。
　　在本书的编写过程中，笔者的学生们给予了在案例的编写等方面的大量的协助，特别是张冬忆和肖艺强，在此对他们表示诚挚的感谢。因为涉及的人较多且时间的跨度较长，这里就不一一列出姓名了。
　　本书虽做了大量的系统性研究，但仍存在一些问题有待我们深入探讨，疏漏之处在所难免，恳请广大读者批评指正。最后，笔者要对长期理解和支持自己的家人表示感谢！

第一章 绪论
第一节 概念界定
第二节 历史沿革、现状及内容安排

第二章 金融时间序列：传统方法
第一节 ARMA模型
一、原理
二、模型的识别与定阶
三、计算实例：ARMA模型预测股价
第二节 GARCH模型
一、原理
二、计算实例

第三章 金融时间序列：非传统方法
第一节 人工神经网络
一、原理
二、实例
第二节 相空间重构
一、混沌时间序列数据及其特征
二、预测科学的反思
三、相空间重构
第三节 小波方法
一、原理
二、买例：沪深300指数

第四章 期权定价的连续模型
第一节 基础知识
一、期权和期权定价
二、Brown运动和伊藤引理
第二节 Black-Scholes方程
一、Black-Scholes方程的重要性
二、Black-Scholes方程的建立
第三节 Black-Scholes方程的解析求解
一、偏微分方程的类型
二、Black-Scholes方程的结构和风险管理参数
三、Black-Scholes方程的解析求解
……

第五章 Black-Scholes方程的数值求解
第六章 期权定价的离散模型
第七章 Monte-Carlo方法
第八章 风险管理（I）——微观视角
第九章 风险管理（II）——宏观视角
参考文献