計量經濟分析及其Python應用/數量經濟學系列叢書
內容大鋼
本書結合實例對最新的Python版本進行科學、準確和全面的介紹，並側重於應用Python進行計量經濟與量化投資分析，使讀者深刻理解Python的精髓和靈活、高效的使用技巧。內容包括計量經濟分析及其Python環境，描述性統計、參數估計、假設檢驗、相關分析與一元回歸分析、多元回歸分析、多重共線性、異方差、自相關、財經大數據時間序列分析ARMA模型、財經大數據廣義自回歸條件異方差模型（GARCH）、面板數據計量分析、廣義矩估計（GMM）與最大似然估計（MLE）、線性回歸的內生性與Hausman檢驗、財經大數據量化投資統計套利、人工智慧機器學習及其Python應用。
本書內容新穎、全面，實用性強，融理論、方法、應用於一體，並提供相關實例的數據文件可供經濟管理、金融投資等相關專業的本科高年級學生與研究生使用，也可供從業人士使用。
作者介紹
編者:朱順泉|責編:高曉蔚
朱順泉，男，漢族，湖南省邵東縣人。2001年于中南大學管理科學與工程專業金融工程方向研究生畢業，獲管理學博士學位，2004年于上海財經大學應用經濟學專業博士后研究出站，2006年評為教授。曾先後工作于湖南財經學院、湖南大學、暨南大學等，指導各類碩士研究生90餘人，現為廣東財經大學金融學院教授，長期從事本科生與研究生的投資學、金融工程、公司金融、金融市場、金融計量學、經濟博弈論、數據模型與決策等課程的教學和科研工作，一直致力於財經與科技相結合的交叉應用研究。在人民出版社、科學出版社、清華大學出版社、北京大學出版社等出版機構出版著作50余部，在Journal of Mathematical Financ, Journal of Financial Risk Management，Technology & Investment等學術刊物上發表學術論文100余篇，主持完成國家哲學社會科學項目、教育部人文社會科學項目、廣東省哲學社會科學項目、廣東省科技計劃項目、湖南省哲學社會科學項目等10余項。出版的《信用評級理論、方法、模型與應用研究》著作于2013年獲中國人民銀行廣州分行二等獎。主要研究方向：投資學、金融工程、金融市場、公司金融財務等，在金融科技創新、金融大數據分析、量化金融投資與人工智慧、私募股權與創業風險投資、財務預警與信用評級、經濟金融計量與數據分析、投資組合優化、資產定價、經濟博弈論等方面有較深入研究。
目錄
第1章 計量經濟分析及其Python環境
1.1 計量經濟分析的含義
1.2 計量經濟分析建模的步驟
1.3 經濟數據類型
1.4 經濟數據來源
1.5 計量經濟分析工具簡介
1.6 Python工具的下載與安裝
1.7 國內外財經大數據的存取方法及其Python應用
練習題
第2章 描述性統計及其Python應用
2.1 描述性統計的Python工具
2.2 數據集中趨勢度量及其Python應用
2.3 數據離散狀況度量及其Python應用
2.4 峰度、偏度與正態性檢驗及其Python應用
2.5 異常數據處理
練習題
第3章 參數估計及其Python應用
3.1 參數估計與置信區間的含義
3.2 點估計矩分析法的Python應用
3.3 單正態總體均值區間估計的Python應用
3.4 單正態總體方差區間估計的Python應用
3.5 雙正態總體均值差區間估計的Python應用
3.6 雙正態總體方差比區間估計的Python應用
練習題
第4章 參數假設檢驗及其Python應用
4.1 參數假設檢驗的基本理論
4.2 單個樣本t檢驗的Python應用
4.3 兩個獨立樣本t檢驗的Python應用
4.4 配對樣本t檢驗的Python應用
4.5 單樣本方差假設檢驗的Python應用
4.6 雙樣本方差假設檢驗的Python應用
練習題
第5章 相關分析與一元回歸分析及其Python應用
5.1 相關分析基本理論
.5.2 相關分析的Python應用
5.3 一元線性回歸分析基本理論
5.4 一元線性回歸分析的Python應用
練習題
第6章 多元回歸分析及其Python應用
6.1 多元線性回歸分析基本理論
6.2 虛擬變數
6.3 多元線性回歸分析的Python應用
6.4 多元線性回歸分析的Scikit-learn工具應用
6.5 邏輯Logistic回歸分析Python應用
6.6 廣義線性回歸分析Python應用
6.7 傾向評分匹配（PSM）及其Python應用
練習題
第7章 多重共線性及其Python應用
7.1 多重共線性的概念
7.2 多重共線性的後果
7.3 產生多重共線性的原因
7.4 多重共線性的識別和檢驗
7.5 消除多重共線性的方法
7.6 多重共線性診斷的Python應用
7.7 多重共線性消除的Python應用
練習題
第8章 異方差及其Python應用
8.1 異方差的概念
8.2 異方差產生的原因
8.3 異方差的後果
8.4 異方差的識別檢驗
8.5 消除異方差的方法
8.6 異方差診斷的Python應用
8.7 異方差消除的Python語言應用
8.8 異方差應用實例的Python應用
練習題
第9章 自相關及其Python應用
9.1 自相關的概念
9.2 產生自相關的原因
9.3 自相關的後果
9.4 自相關的識別和檢驗
9.5 自相關的處理方法
9.6 自相關診斷的Python應用
9.7 自相關消除的Python應用
9.8 金融市場數據自相關性實例的Python應用
練習題
第10章 財經大數據時間序列分析ARMA模型及其Python應用
10.1 時間序列分析的基礎知識
10.2 自回歸（AR）模型
10.3 移動平均（MA）模型
10.4 自回歸移動平均（ARMA）模型
10.5 差分自回歸移動平均（ARIMA）模型
練習題
第11章 財經大數據廣義自回歸條件異方差模型（GARCH）及其Python應用
11.1 自回歸條件異方差模型（ARCH）及預測
11.2 廣義自回歸條件異方差模型（GARCH）與波動率預測
練習題
第12章 面板數據計量分析及其Python應用
12.1 面板數據計量分析的基本理論
12.2 面板數據計量分析的Python應用
練習題
第13章 廣義矩估計（GMM）與最大似然估計（MLE）及其Python應用
13.1 廣義矩估計（GMM）及其Python應用
13.2 最大似然估計（MLE）及其Python應用
練習題
第14章 線性回歸的內生性與Hausman檢驗及其Python應用
14.1 內生性的相關理論
14.2 基本的線性回歸及其Python應用
14.3 擴展的線性回歸及其Python應用
14.4 線性回歸的內生性問題及其Python應用
14.5 Hausman檢驗及其Python應用
練習題
第15章 財經大數據量化投資統計套利及其Python應用
15.1 Python應用於Markowitz投資組合優化
15.2 基於Bigquant量化投資平台的統計套利協整配對交易策略
15.3 基於Python環境統計套利協整配對交易策略
練習題
第16章 人工智慧機器學習及其Python應用
16.1 機器學習演算法分類
16.2 常見的機器學習演算法及其Python代碼
16.3 K-最近鄰演算法銀行貸款分類及其Python應用
16.4 各種機器學習演算法及其Python應用
16.5 K-最近鄰法分類及其Python應用
練習題
[