書馨卡幫你省薪 2024個人購書報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >>
R語言計(jì)量金融分析與應(yīng)用

R語言計(jì)量金融分析與應(yīng)用

出版社：清華大學(xué)出版社出版時間：2017-04-01
開本： 其他 頁數(shù)： 304
本類榜單：管理銷量榜
中 圖 價(jià):¥49.0(6.2折) 定價(jià)  ¥79.0 登錄后可看到會員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

R語言計(jì)量金融分析與應(yīng)用 版權(quán)信息

  • ISBN：9787302502869
  • 條形碼：9787302502869 ; 978-7-302-50286-9
  • 裝幀：一般膠版紙
  • 冊數(shù)：暫無
  • 重量：暫無
  • 所屬分類：>>

R語言計(jì)量金融分析與應(yīng)用 本書特色

計(jì)量金融專業(yè)興起于20世紀(jì)90年代的西方，是專為金融市場而設(shè)的。隨著中國金融業(yè)的崛起，這個專業(yè)越來越為大家所熟悉，也越來越熱門。 本書編寫主要側(cè)重于用R來進(jìn)行經(jīng)濟(jì)計(jì)量統(tǒng)計(jì)模型的運(yùn)用和時間序列分析，以及計(jì)量金融中的數(shù)值分析，主要內(nèi)容包括R的基本環(huán)境與安裝、R的IDE模式、數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)處理、數(shù)據(jù)存取和基本處理、探索性數(shù)據(jù)分析和可視化、回歸分析方法、時間序列入門、波動分析、非定態(tài)時間序列、時間序列的結(jié)構(gòu)變動、價(jià)差與計(jì)量套利、R的金融工具箱、風(fēng)險(xiǎn)與投資組合分析和金融大數(shù)據(jù)的處理等。 如果你對計(jì)量金融感興趣而且你已經(jīng)具有一定的數(shù)學(xué)和計(jì)算機(jī)基礎(chǔ)，那么本書就是一本引導(dǎo)你進(jìn)入計(jì)量金融領(lǐng)域的參考書。書中各章均提供了豐富的范例程序，因此也可以作為大專院校計(jì)量金融專業(yè)R語言的上機(jī)實(shí)踐教材。

R語言計(jì)量金融分析與應(yīng)用 內(nèi)容簡介

計(jì)量金融專業(yè)興起于20世紀(jì)90年代的西方，是專為金融市場而設(shè)的。隨著中國金融業(yè)的崛起，這個專業(yè)越來越為大家所熟悉，也越來越熱門。本書編寫主要側(cè)重于用R來進(jìn)行經(jīng)濟(jì)計(jì)量統(tǒng)計(jì)模型的運(yùn)用和時間序列分析，以及計(jì)量金融中的數(shù)值分析，主要內(nèi)容包括R的基本環(huán)境與安裝、R的IDE模式、數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)處理、數(shù)據(jù)存取和基本處理、探索性數(shù)據(jù)分析和可視化、回歸分析方法、時間序列入門、波動分析、非定態(tài)時間序列、時間序列的結(jié)構(gòu)變動、價(jià)差與計(jì)量套利、R的金融工具箱、風(fēng)險(xiǎn)與投資組合分析和金融大數(shù)據(jù)的處理等。如果你對計(jì)量金融感興趣而且你已經(jīng)具有一定的數(shù)學(xué)和計(jì)算機(jī)基礎(chǔ)，那么本書就是一本引導(dǎo)你進(jìn)入計(jì)量金融領(lǐng)域的參考書。書中各章均提供了豐富的范例程序，因此也可以作為大專院校計(jì)量金融專業(yè)R語言的上機(jī)實(shí)踐教材。

R語言計(jì)量金融分析與應(yīng)用 目錄

目 錄 第1章 *簡單的統(tǒng)計(jì)分析原理 1 1.1 統(tǒng)計(jì)分析原理 2 1.1.1　估計(jì)原理 3 1.1.2　檢驗(yàn)原理 4 1.2 函數(shù)原理和數(shù)據(jù)分析 5 1.3 再進(jìn)一步 6 第2章 R的基本環(huán)境與安裝 8 2.1 R與網(wǎng)絡(luò)資源 8 2.2 安裝系統(tǒng)程序 10 2.3 更改語言模式 14 第3章 R的IDE模式 18 3.1 R Commander 18 3.2 Deducer 21 3.3 RStudio 23 3.3.1　安裝 23 3.3.2　更改界面 26 3.3.3　產(chǎn)生文件 27 3.3.4　Mark Down 28 第4章 數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)處理 31 4.1 R的數(shù)據(jù)結(jié)構(gòu) 31 4.1.1　vectors 向量 32 4.1.2　matrix 矩陣 35 4.1.3　array 數(shù)組 37 4.1.4　data frame 數(shù)據(jù)框 38 4.1.5　time series 時間序列 40 4.1.6　list 列表 41 4.2 數(shù)據(jù)處理 43 4.2.1　向量處理 43 4.2.2　矩陣處理 48 4.2.3　數(shù)據(jù)框data.frame對象的數(shù)據(jù)處理 50 4.2.4　字符串對象的處理 53 4.2.5　從連續(xù)性質(zhì)的數(shù)據(jù)定義分組因子 55 第5章 數(shù)據(jù)存取和基本處理 57 5.1 外部數(shù)據(jù)讀取 57 5.1.1　載入 .csv 格式的數(shù)據(jù) 58 5.1.2　載入 .txt 格式的數(shù)據(jù) 59 5.1.3　載入 xls 和 xlsx 格式的數(shù)據(jù) 60 5.1.4　將數(shù)據(jù)存儲與輸出 62 5.2 數(shù)據(jù)的基本統(tǒng)計(jì)分析library(fBasics) 64 5.2.1　基本統(tǒng)計(jì)量：basicStats() 64 5.2.2　相關(guān)性檢驗(yàn)：correlationTest() 65 5.3 網(wǎng)絡(luò)數(shù)據(jù)下載 68 5.4 數(shù)據(jù)庫讀取——MySQL范例 73 5.5 數(shù)據(jù)表處理的函數(shù) 76 5.5.1　函數(shù)split對數(shù)據(jù)的分割 76 5.5.2　函數(shù)apply()系列 77 第6章 探索性數(shù)據(jù)分析和可視化 81 6.1 數(shù)據(jù)性質(zhì)的可視化分析 83 6.2 繪圖函數(shù)plot() 85 6.3 3D立體繪圖 91 6.4 Imaging Correlation相關(guān)性影像圖 94 6.5 lattice和Multi-way 98 6.6 其他 113 6.6.1　curve()函數(shù)曲線繪圖 113 6.6.2　保存圖形 114 第7章 回歸分析方法 116 7.1 線性回歸的基本原理——*小二乘法 116 7.2 單變量線性回歸 117 7.3 連續(xù)變量線性復(fù)回歸 125 7.3.1　兩個解釋變量相異 125 7.3.2　多項(xiàng)式回歸——解釋變量的冪次方 125 7.4 因子和交互效果 126 7.4.1　因子回歸 126 7.4.2　交互效果 127 7.4.3　考慮殘差異質(zhì)性的魯棒協(xié)方差 129 7.5 回歸診斷檢驗(yàn) 130 7.5.1　異質(zhì)殘差檢驗(yàn) 130 7.5.2　回歸函數(shù)形式判定 131 7.6 簡單時間序列回歸：dynlm() 133 7.7 線性重合檢驗(yàn) 135 第8章 時間序列入門 137 8.1 時間序列性質(zhì) 137 8.2 時間序列數(shù)據(jù)的建立與繪圖 138 8.2.1　時間序列的時間格式 138 8.2.2　時間序列繪圖 139 8.3 單組時間序列的性質(zhì) 143 8.3.1　ACF、PACF和序列相關(guān)檢驗(yàn) 143 8.3.2　Linear filters，時間序列性質(zhì)線性過濾和趨勢預(yù)測 144 8.3.3　BDS independence test 時間序列獨(dú)立同分布檢驗(yàn) 149 8.3.4　方差比檢驗(yàn) 151 8.4 ARMA（自回歸移動平均）過程 153 8.4.1　一般ARMA模式 153 8.4.2　季節(jié)ARMA 154 8.5 序列相關(guān)與檢驗(yàn) 156 8.5.1　原理 156 8.5.2　回歸修正：對原回歸殘差做二階序列相關(guān)修正 157 8.6 時間序列預(yù)測 158 8.6.1　基本概念 158 8.6.2　預(yù)測表現(xiàn)評估 158 8.7 ARIMA和Seasonal ARIMA的自動配置 161 8.8 VAR多變量 162 8.8.1　原理 162 8.8.2　R程序包與程序范例 163 第9章 波動分析 170 9.1 單變量GARCH原理 170 9.1.1　標(biāo)準(zhǔn)GARCH 171 9.1.2　非對稱GARCH 172 9.2 簡單單變量GARCH程序包tseries 173 9.2.1　數(shù)據(jù)的ARCH效果檢驗(yàn) 173 9.2.2　標(biāo)準(zhǔn)GARCH估計(jì) 174 9.2.3　標(biāo)準(zhǔn)GARCH估計(jì)程序包fGarch 176 9.3 專業(yè)GARCH程序包rugarch 181 9.3.1　rugarch的基本結(jié)構(gòu) 181 9.3.2　rugarch的高級設(shè)置 188 9.3.3　iClick 程序包的統(tǒng)一處理 189 9.4 多變量GARCH程序包rmgarch 190 9.4.1　多變量GARCH原理 190 9.4.2　R程序包 rmgarch 192 第10章 非定態(tài)時間序列 201 10.1 單位根檢驗(yàn) 201 10.2 協(xié)整分析 209 10.2.1　ECM的基本形態(tài)（Engle 和 Granger在1987年提出） 209 10.2.2　Threshold VECM（閾值VECM） 215 10.3 具有閾值的單位根過程 217 第11章 時間序列的結(jié)構(gòu)變動 224 11.1 基本原理的認(rèn)識 224 11.1.1　efp方法 224 11.1.2　F檢驗(yàn)法 231 11.2 Bai-Perron和Zeileis et al.的方法 233 11.2.1　原理 233 11.2.2　R 范例程序解說 235 第12章 價(jià)差與計(jì)量套利 242 12.1 價(jià)差原理 242 12.1.1　典型價(jià)差交易：期貨 vs. 現(xiàn)貨 242 12.1.2　時間價(jià)差（Calendar/Terms spread）：遠(yuǎn)月 vs. 近月 242 12.1.3　規(guī)律的價(jià)格差距 243 12.1.4　商品間的趨勢價(jià)差 243 12.2 風(fēng)險(xiǎn)溢價(jià)的高級應(yīng)用 244 12.2.1　風(fēng)險(xiǎn)溢價(jià)的進(jìn)一步認(rèn)識 244 12.2.2　價(jià)差與套利的計(jì)量經(jīng)濟(jì)學(xué) 245 第13章 R的金融工具箱 253 13.1 時間序列對象的三大程序包 253 13.1.1　基本數(shù)據(jù)處理 253 13.1.2　程序包timeSeries的財(cái)務(wù)函數(shù) 254 13.2 fBasics程序包的財(cái)務(wù)時間序列性質(zhì)摘要 255 13.3 fAssets程序包的風(fēng)險(xiǎn)與報(bào)酬 256 13.4 PerformanceAnalytics程序包的績效指標(biāo) 256 13.5 quantmod程序包的技術(shù)分析 257 13.6 程序編寫的簡單技巧 259 13.6.1　循環(huán) 259 13.6.2　條件控制語句 260 13.6.3　定義函數(shù) 261 第14章 風(fēng)險(xiǎn)與投資組合分析 265 14.1 資產(chǎn)選擇初步 265 14.1.1　夏普不等式原理 265 14.1.2　R Code 265 14.2 多元化投資組合與回測 267 14.2.1　原理 267 14.2.2　R Code 269 第15章 金融大數(shù)據(jù)的處理 278 15.1 bigmemory 278 15.2 FF 281 15.3 bigmemory測試范例 283 15.4 高頻率時間序列的時間格式 286 15.4.1　格式 286 15.4.2　程序包 data.table 288 附錄A 廣義線性模式GLM 290 A.1 二元變量的Probit/Logit GLM 293 A.1.1　估計(jì) 293 A.1.2　擬合檢驗(yàn) 295 A.1.3　優(yōu)勢比 296 A.1.4　超擴(kuò)散和參數(shù)方差修正 296 A.2 有序選擇變量的Probit/Logit GLM 297 A.3 計(jì)數(shù)型變量的Poisson GLM 300 A.4 多元選擇 GLM——Multinomial Probit/Logit 301
展開全部

R語言計(jì)量金融分析與應(yīng)用 作者簡介

何宗武，臺灣世新大學(xué)財(cái)務(wù)金融學(xué)系教授，美國猶他大學(xué)經(jīng)濟(jì)學(xué)博士。

商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服