互联网 类型
可以朗读 语音朗读
340千字 字数
2018-08-01 发行日期
展开全部

主编推荐语

一本基于R语言的金融统计与数据分析教程。

内容简介

本书内容涉及金融学中的统计模型和数据分析的诸多内容，与一般偏重于单纯介绍理论知识和模型的著作不同，它把统计模型和金融模型联系在一起，寓统计学知识于金融学之中，并且用R软件做出了完美的应用程序。

主要内容包括收益、固定收益证券、探索性数据分析、建模一元分布、再抽样、多元统计模型、Copulas、时间序列模型、证券投资组合理论、回归、协整分析、固定资产定价模型、因子模型和主成分分析、GARCH模型、风险管理、贝叶斯数据分析和MCMC、非参数回归和样条。

目录

  • 版权信息
  • 前言
  • 第1章 引言
  • 1.1 文献注记
  • 1.2 参考文献
  • 第2章 收益
  • 2.1 引言
  • 2.1.1 净收益率
  • 2.1.2 总收益率
  • 2.1.3 对数收益率
  • 2.1.4 股息调整
  • 2.2 随机游走模型
  • 2.2.1 随机游走
  • 2.2.2 几何随机游走
  • 2.2.3 对数价格是对数正态的几何随机游走吗
  • 2.3 文献注记
  • 2.4 参考文献
  • 2.5 R实验室
  • 2.5.1 数据分析
  • 2.5.2 模拟
  • 2.6 习题
  • 第3章 固定收入证券
  • 3.1 引言
  • 3.2 零息债券
  • 3.2.1 利率引起的价格和收益波动
  • 3.3 有息票债券
  • 3.4 到期收益率
  • 3.4.1 计算到期收益率的一般方法
  • 3.4.2 即期汇率
  • 3.5 期限结构
  • 3.5.1 引言：利率取决于到期时间
  • 3.5.2 期限结构的描述
  • 3.6 连续复利
  • 3.7 连续的远期利率
  • 3.8 价格对收益率的敏感性
  • 3.8.1 息票债券的期限
  • 3.9 文献注记
  • 3.10 参考文献
  • 3.11 R实验室
  • 3.11.1 计算到期收益
  • 3.11.2 绘制收益曲线
  • 3.12 习题
  • 第4章 探索性数据分析
  • 4.1 引言
  • 4.2 直方图和核密度估计
  • 4.3 顺序统计量、样本CDF与样本分位数
  • 4.3.1 样本分位数的中心极限定理
  • 4.3.2 正态概率图
  • 4.3.3 半正态图
  • 4.3.4 QQ图
  • 4.4 正态性检验
  • 4.5 箱形图
  • 4.6 数据变换
  • 4.7 变换几何
  • 4.8 变换核密度估计
  • 4.9 文献注记
  • 4.10 参考文献
  • 4.11 R实验室
  • 4.11.1 欧洲股票指数
  • 4.12 习题
  • 第5章 单变量分布建模
  • 5.1 引言
  • 5.2 参数模型与简约性
  • 5.3 位置参数、尺度参数和形状参数
  • 5.4 偏度、峰度和矩
  • 5.4.1 Jarque-Bera检验
  • 5.4.2 矩
  • 5.5 重尾分布
  • 5.5.1 指数和多项式尾部
  • 5.5.2 t分布
  • 5.5.3 混合模型
  • 5.6 广义误差分布
  • 5.7 从对称分布创建偏度
  • 5.8 基于分位数的位置、尺度和形状参数
  • 5.9 最大似然估计
  • 5.10 MLE的Fisher信息和中心极限定理
  • 5.11 似然比检验
  • 5.12 AIC与BIC
  • 5.13 验证数据和交叉验证
  • 5.14 由最大似然法拟合分布
  • 5.15 剖面似然
  • 5.16 稳健估计
  • 5.17 带有参数变换的变换核密度估计
  • 5.18 文献注记
  • 5.19 参考文献
  • 5.20 R实验室
  • 5.20.1 收入数据
  • 5.20.2 DAX收益
  • 5.21 习题
  • 第6章 再抽样
  • 6.1 引言
  • 6.2 偏差、标准差和MSE的自助法估计
  • 6.2.1 自助法t分布的MLE
  • 6.3 自助法置信区间
  • 6.3.1 正态近似区间
  • 6.3.2 自助法t区间
  • 6.3.3 基本的自助法区间
  • 6.3.4 百分位数置信区间
  • 6.4 文献注记
  • 6.5 参考文献
  • 6.6 R实验室
  • 6.7 习题
  • 第7章 多元统计模型
  • 7.1 引言
  • 7.2 协方差和相关矩阵
  • 7.3 随机变量的线性函数
  • 7.3.1 两个或更多随机变量的线性组合
  • 7.3.2 独立与和的方差
  • 7.4 散点图矩阵
  • 7.5 多元正态分布
  • 7.6 多元t分布
  • 7.6.1 在投资组合分析中使用t分布
  • 7.7 用最大似然来拟合多元t分布
  • 7.8 椭圆轮廓密度
  • 7.9 多元有偏t分布
  • 7.10 Fisher信息矩阵
  • 7.11 多元数据自助法
  • 7.12 文献注记
  • 7.13 参考文献
  • 7.14 R实验室
  • 7.14.1 股票收益
  • 7.14.2 拟合多元t分布
  • 7.14.3 拟合一个二元t分布
  • 7.15 习题
  • 第8章 copula
  • 8.1 引言
  • 8.2 特殊copula
  • 8.3 高斯copula和t-copula
  • 8.4 阿基米德copula
  • 8.4.1 弗兰克copula
  • 8.4.2 Clayton copula
  • 8.4.3 Gumbel copula
  • 8.5 秩相关
  • 8.5.1 肯德尔的tau相关系数
  • 8.5.2 斯皮尔曼相关系数
  • 8.6 尾部相关
  • 8.7 计算copula
  • 8.7.1 最大似然
  • 8.7.2 拟最大似然估计
  • 8.7.3 计算元高斯分布和元t分布
  • 8.8 文献注记
  • 8.9 参考文献
  • 8.10 R实验室
  • 8.10.1 模拟copula
  • 8.10.2 对收益数据拟合copula
  • 8.11 习题
  • 第9章 时间序列模型：基础知识
  • 9.1 时间序列数据
  • 9.2 平稳过程
  • 9.2.1 白噪声
  • 9.2.2 预测白噪声
  • 9.3 估计平稳过程的参数
  • 9.3.1 ACF图和Ljung-Box检验
  • 9.4 AR（1）过程
  • 9.4.1 弱平稳AR（1）过程的性质
  • 9.4.2 收敛到平稳分布
  • 9.4.3 非平稳AR（1）过程
  • 9.5 AR（1）过程的估计
  • 9.5.1 残差与模型检验
  • 9.5.2 最大似然和条件最小二乘
  • 9.6 AR（p）模型
  • 9.7 滑动平均过程
  • 9.7.1 MA（1）过程
  • 9.7.2 一般的MA过程
  • 9.8 ARMA过程
  • 9.8.1 后向算子
  • 9.8.2 ARMA模型
  • 9.8.3 ARMA（1，1）过程
  • 9.8.4 ARMA参数估计
  • 9.8.5 差分算子
  • 9.9 ARIMA过程
  • 9.9.1 ARIMA过程的漂移
  • 9.10 单位根检验
  • 9.10.1 单位根检验如何工作
  • 9.11 自动选择一个ARIMA模型
  • 9.12 预测
  • 9.12.1 预测误差和预测区间
  • 9.12.2 通过模拟计算预测限
  • 9.13 偏自相关系数
  • 9.14 文献注记
  • 9.15 参考文献
  • 9.16 R实验室
  • 9.16.1 T-bill比率
  • 9.16.2 预测
  • 9.17 习题
  • 第10章 时间序列模型：更多主题
  • 10.1 季节性ARIMA模型
  • 10.1.1 季节性和非季节性差分
  • 10.1.2 乘法ARIMA模型
  • 10.2 时间序列的Box-Cox变换
  • 10.3 多变量时间序列
  • 10.3.1 互相关函数
  • 10.3.2 多变量白噪声
  • 10.3.3 多变量ARMA过程
  • 10.3.4 使用多变量AR模型预测
  • 10.4 长记忆过程
  • 10.4.1 长记忆平稳模型的需要
  • 10.4.2 分数阶差分
  • 10.4.3 FARIMA过程
  • 10.5 自助法时间序列
  • 10.6 文献注记
  • 10.7 参考文献
  • 10.8 R实验室
  • 10.8.1 季节性ARIMA模型
  • 10.8.2 VAR模型
  • 10.8.3 长记忆过程
  • 10.8.4 一个ARIMA过程的基于模型的自助法
  • 10.9 习题
  • 第11章 投资组合理论
  • 11.1 权衡预期收益和风险
  • 11.2 一种风险资产和一种无风险资产
  • 11.2.1 估计E（R）和σR
  • 11.3 两种风险资产
  • 11.3.1 风险与预期收益
  • 11.4 结合两种风险资产与一种无风险资产
  • 11.4.1 两种风险资产的切线资产组合
  • 11.4.2 结合切线资产组合和无风险资产
  • 11.4.3 ρ12的效果
  • 11.5 卖空
  • 11.6 N个风险资产投资组合的风险有效
  • 11.7 再抽样和有效投资组合
  • 11.8 文献注记
  • 11.9 参考文献
  • 11.10 R实验室
  • 11.10.1 高效股票投资组合
  • 11.11 习题
  • 第12章 回归：基础知识
  • 12.1 引言
  • 12.2 直线回归
  • 12.2.1 最小二乘估计
  • 12.2.2 的方差
  • 12.3 多元线性回归
  • 12.3.1 标准误差、t值和p值
  • 12.4 方差分析、平方和以及R2
  • 12.4.1 AOV表
  • 12.4.2 自由度
  • 12.4.3 均值平方和和F检验
  • 12.4.4 调整R2
  • 12.5 模型选择
  • 12.6 共线性和方差膨胀
  • 12.7 偏残差图
  • 12.8 中心化预测变量
  • 12.9 正交多项式
  • 12.10 文献注记
  • 12.11 参考文献
  • 12.12 R实验室
  • 12.12.1 美国宏观经济变量
  • 12.13 习题
  • 第13章 回归诊断
  • 13.1 回归诊断简介
  • 13.1.1 杠杆值
  • 13.1.2 残差
  • 13.1.3 库克距离
  • 13.2 检验模型假设
  • 13.2.1 非正态分布
  • 13.2.2 非常数方差
  • 13.2.3 非线性
  • 13.2.4 残差相关性和伪回归
  • 13.3 文献注记
  • 13.4 参考文献
  • 13.5 R实验室
  • 13.5.1 当前人口调查数据
  • 13.6 习题
  • 第14章 回归：高级主题
  • 14.1 带有ARMA误差的线性回归
  • 14.2 线性回归的理论
  • 14.2.1 相关噪声的影响和异方差性
  • 14.2.2 回归的最大似然估计
  • 14.3 非线性回归
  • 14.4 从零息债券价格估计远期利率
  • 14.5 双边变换回归
  • 14.5.1 TBS的作用
  • 14.6 只变换因变量
  • 14.7 二元回归
  • 14.8 线性化一个非线性模型
  • 14.9 稳健回归
  • 14.10 回归和最佳线性预测
  • 14.10.1 最佳线性预测
  • 14.10.2 最佳线性预测的预测误差
  • 14.10.3 回归是经验最佳线性预测
  • 14.10.4 多元线性预测
  • 14.11 回归对冲
  • 14.12 文献注记
  • 14.13 参考文献
  • 14.14 R实验室
  • 14.14.1 带ARMA噪声的回归
  • 14.14.2 非线性回归
  • 14.14.3 因变量变换
  • 14.14.4 二元回归：谁得到了空调
  • 14.15 习题
  • 第15章 协整
  • 15.1 引言
  • 15.2 向量误差校正模型
  • 15.3 交易策略
  • 15.4 文献注记
  • 15.5 参考文献
  • 15.6 R实验室
  • 15.6.1 中等规模公司股票价格协整分析
  • 15.6.2 收益的协整分析
  • 15.6.3 模拟
  • 15.7 习题
  • 第16章 资本资产定价模型
  • 16.1 CAPM简介
  • 16.2 资本市场线
  • 16.3 β值和证券市场线
  • 16.3.1 有关β值的例子
  • 16.3.2 CML和SML的比较
  • 16.4 证券特征线
  • 16.4.1 通过多元化降低特有风险
  • 16.4.2 假设合理吗
  • 16.5 一些投资组合理论
  • 16.5.1 对市场投资组合风险的贡献
  • 16.5.2 SML的推导
  • 16.6 β值的估计和CAPM的检验
  • 16.6.1 用回归估计β值
  • 16.6.2 检验CAPM
  • 16.6.3 α值的解释
  • 16.7 CAPM在投资组合分析中的应用
  • 16.8 文献注记
  • 16.9 参考文献
  • 16.10 R实验室
  • 16.11 习题
  • 第17章 因子模型和主成分
  • 17.1 降维
  • 17.2 主成分分析
  • 17.3 因子模型
  • 17.4 用时间序列回归拟合因子模型
  • 17.4.1 Fama和French三因子模型
  • 17.4.2 资产回报率的期望和协方差的估计
  • 17.5 截面因子模型
  • 17.6 统计因子模型
  • 17.6.1 因子的方差最大旋转
  • 17.7 文献注记
  • 17.8 参考文献
  • 17.9 R实验室
  • 17.9.1 主成分分析
  • 17.9.2 时间序列回归拟合因子模型
  • 17.9.3 统计因子模型
  • 17.10 习题
  • 第18章 GARCH模型
  • 18.1 引言
  • 18.2 估计条件均值和方差
  • 18.3 ARCH（1）过程
  • 18.4 AR（1）/ARCH（1）模型
  • 18.5 ARCH（p）模型
  • 18.6 ARIMA（pA，d，qA）/GARCH（pG，qG）模型
  • 18.6.1 ARIMA（pA，d，qA）/GARCH（pG，qG）模型的残差
  • 18.7 具有厚尾的GARCH过程
  • 18.8 拟合ARMA/GARCH模型
  • 18.9 作为ARMA模型的GARCH模型
  • 18.10 GARCH（1，1）过程
  • 18.11 APARCH模型
  • 18.12 具有ARMA/GARCH误差的回归
  • 18.13 ARMA/GARCH过程的预测
  • 18.14 文献注记
  • 18.15 参考文献
  • 18.16 R实验室
  • 18.16.1 拟合GARCH模型
  • 18.17 习题
  • 第19章 风险管理
  • 19.1 风险管理的必要性
  • 19.2 一个资产的VaR和ES的估计
  • 19.2.1 VaR与ES的非参数估计
  • 19.2.2 VaR与ES的参数估计
  • 19.3 用自助法计算VaR与ES的置信区间
  • 19.4 用ARMA/GARCH模型估计VaR与ES
  • 19.5 一个投资组合的VaR与ES的估计
  • 19.6 多项式尾部的VaR估计
  • 19.6.1 估计尾部指数
  • 19.7 帕雷托分布
  • 19.8 持有期与置信系数的选择
  • 19.9 VaR与多样化
  • 19.10 文献注记
  • 19.11 参考文献
  • 19.12 R实验室
  • 19.12.1 多元t分布模型的VaR
  • 19.13 习题
  • 第20章 贝叶斯数据分析和MCMC
  • 20.1 引言
  • 20.2 贝叶斯定理
  • 20.3 先验分布和后验分布
  • 20.4 共轭先验
  • 20.5 后验中心极限定理
  • 20.6 后验区间
  • 20.7 马尔可夫链蒙特卡罗方法
  • 20.7.1 Gibbs抽样
  • 20.7.2 其他蒙特卡罗抽样方法
  • 20.7.3 MCMC输出的分析
  • 20.7.4 WinBUGS
  • 20.7.5 MCMC收敛性和混合的检验
  • 20.7.6 模型DIC和pD的比较
  • 20.8 多层先验
  • 20.9 协方差矩阵的贝叶斯估计
  • 20.9.1 多元正态分布的协方差阵估计
  • 20.9.2 多元t分布的尺度矩阵的估计
  • 20.9.3 协方差矩阵的非共轭先验
  • 20.10 一个平稳过程的采样
  • 20.11 文献注记
  • 20.12 参考文献
  • 20.13 R实验室
  • 20.13.1 MCMC拟合t分布
  • 20.13.2 AR模型
  • 20.13.3 MA模型
  • 20.13.4 ARMA模型
  • 20.14 习题
  • 第21章 非参数回归和样条函数
  • 21.1 引言
  • 21.2 局部多项式回归
  • 21.2.1 局部加权散点光滑和局部加权回归
  • 21.3 线性光滑器
  • 21.3.1 平滑矩阵和有效自由度
  • 21.3.2 AIC和GCV
  • 21.4 多项式样条函数
  • 21.4.1 具有一个结的线性样条函数
  • 21.4.2 具有多个结的线性样条函数
  • 21.4.3 二次样条函数
  • 21.4.4 p阶样条函数
  • 21.4.5 其他的样条基
  • 21.5 惩罚样条函数
  • 21.5.1 选择惩罚量
  • 21.6 文献注记
  • 21.7 参考文献
  • 21.8 R实验室
  • 21.8.1 工资、教育和经验的加法模型
  • 21.8.2 短期利率的一个扩展CKLS模型
  • 21.9 习题
  • 附录A 来自于概率、统计和代数的事实
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。