幫助中心 | 我的帳號 | 關於我們

金融數據統計分析(基於R語言實例)/現代統計學叢書

  • 作者:(美)詹姆斯·E.金特爾|責編:劉慧|譯者:王遠林//王瑞芳
  • 出版社:機械工業
  • ISBN:9787111758174
  • 出版日期:2024/08/01
  • 裝幀:平裝
  • 頁數:435
人民幣:RMB 139 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書涵蓋了使用統計分析和數據科學方法對財務數據進行建模和分析的方法。第1章概述了金融市場,描述了市場運作並使用探索性數據分析來說明金融數據的性質。第2章介紹了探索性數據分析的方法,尤其是圖形方法,並在實際財務數據上進行了說明。第3章介紹了可用於財務分析的概率分佈,特別是重尾分佈,並介紹了電腦模擬財務數據的方法。第4章介紹了統計推斷的基本方法,尤其是在分析中使用線性模型,第5章介紹了時間序列的方法,其中特彆強調了適用於財務數據分析的模型和方法。

作者介紹
(美)詹姆斯·E.金特爾|責編:劉慧|譯者:王遠林//王瑞芳

目錄
譯者序
前言
第1章  金融數據的性質
  1.1  金融時間序列
    1.1.1  自相關係數
    1.1.2  平穩性
    1.1.3  時間尺度和數據加總
  1.2  金融資產和市場
    1.2.1  市場和監管機構
    1.2.2  利息
    1.2.3  資產收益率
    1.2.4  股票價格、公平市場價值
    1.2.5  股票分割、股利和資本收益
    1.2.6  指數和「市場」
    1.2.7  衍生資產
    1.2.8  空頭頭寸
    1.2.9  資產的投資組合:分散和對沖
  1.3  收益率的頻率分佈
    1.3.1  位置和尺度
    1.3.2  偏度
    1.3.3  峰度
    1.3.4  多元數據
    1.3.5  正態分佈
    1.3.6  q-q圖
    1.3.7  異常值
    1.3.8  其他統計度量方法
  1.4  波動率
    1.4.1  收益率的時間序列
    1.4.2  度量波動率:歷史波動率和隱含波動率
    1.4.3  波動率指數:VIX
    1.4.4  隱含波動率曲線
    1.4.5  風險評估與管理
  1.5  市場動態
  1.6  關於金融數據的典型事實
  註釋和深入閱讀
  練習和複習題
  附錄A1:使用R獲取和分析金融
數據
第2章  金融數據的探索性分析
  2.1  數據縮減
    2.1.1  簡單概括統計量
    2.1.2  數據中心化和標準化
    2.1.3  多元數據的簡單概括統計量
    2.1.4  變換
    2.1.5  識別異常觀察值
  2.2  經驗累積分佈函數
  2.3  概率密度的非參數估計
    2.3.1  分箱數據
    2.3.2  核密度估計
    2.3.3  多元核密度估計量

  2.4  探索性分析中的圖形法
    2.4.1  時間序列圖
    2.4.2  直方圖
    2.4.3  箱線圖
    2.4.4  密度圖
    2.4.5  二元數據
    2.4.6  q-q圖
    2.4.7  R中的圖形
  註釋和深入閱讀
  練習
第3章  可觀察事件模型使用的概率分佈
  3.1  隨機變數和概率分佈
    3.1.1  離散隨機變數
    3.1.2  連續隨機變數
    3.1.3  隨機變數的線性組合:期望和分位數
    3.1.4  生存函數和風險函數
    3.1.5  多元分佈
    3.1.6  多元分佈中變數之間的相關性
    3.1.7  連接函數
    3.1.8  多元隨機變數的變換
    3.1.9  順序統計量的分佈
    3.1.10  漸近分佈:中心極限定理
    3.1.11  概率分佈的尾部
    3.1.12  隨機變數序列:隨機過程
    3.1.13  股票價格的擴散過程與期權定價
  3.2  一些有用的概率分佈
    3.2.1  離散分佈
    3.2.2  連續分佈
    3.2.3  多元分佈
    3.2.4  對建模有用的一般分佈族
    3.2.5  構造多元分佈
    3.2.6  數據生成過程建模
    3.2.7  概率分佈的R函數
  3.3  隨機變數的模擬
    3.3.1  均勻隨機數
    3.3.2  生成非均勻隨機數
    3.3.3  在R中模擬數據
  註釋和深入閱讀
  練習
第4章  統計模型與推斷方法
  4.1  統計模型
    4.1.1  擬合統計模型
    4.1.2  變差的度量和分解
    4.1.3  線性模型
    4.1.4  非線性方差穩定化變換
    4.1.5  參數模型和非參數模型
    4.1.6  貝葉斯模型
    4.1.7  時間序列模型
  4.2  統計建模的標準與方法
    4.2.1  估計量及其性質

    4.2.2  統計建模方法
  4.3  統計建模的優化:最小二乘法和最大似然估計法
    4.3.1  一般優化問題
    4.3.2  最小二乘法
    4.3.3  最大似然法
    4.3.4  處理優化問題的R函數
  4.4  統計推斷
    4.4.1  置信區間
    4.4.2  檢驗統計假設
    4.4.3  預測
    4.4.4  貝葉斯模型推斷
    4.4.5  再抽樣方法:自助法
    4.4.6  穩健統計方法
    4.4.7  尾部指數的估計
    4.4.8  風險值和預期損失的估計
  4.5  描述變數之間關係的模型
    4.5.1  主成分
    4.5.2  回歸模型
    4.5.3  線性回歸模型
    4.5.4  線性回歸模型:回歸變數
    4.5.5  線性回歸模型:單個觀察值和殘差
    4.5.6  線性回歸模型:例子
    4.5.7  非線性模型
    4.5.8  在R中指定模型
  4.6  評估模型的充分性
    4.6.1  擬合優度檢驗;正態性檢驗
    4.6.2  交叉驗證
    4.6.3  模型選擇和模型複雜性
  註釋和深入閱讀
  練習
第5章  離散時間序列模型及分析
  5.1  基本線性運算
    5.1.1  后移運算元
    5.1.2  差分運算元
    5.1.3  積分運算元
    5.1.4  無限幾何序列求和
    5.1.5  線性差分方程
    5.1.6  趨勢和去趨勢
    5.1.7  周期和季節性調整
  5.2  離散時間序列模型分析
    5.2.1  平穩性
    5.2.2  樣本自協方差和自相關函數:平穩性和估計
    5.2.3  平穩時間序列中的統計推斷
  5.3  自回歸和移動平均模型
    5.3.1  移動平均模型:MA(q)
    5.3.2  自回歸模型:AR(p)
    5.3.3  偏自相關函數
    5.3.4  ARMA和ARIMA模型
    5.3.5  ARMA和ARIMA模型的模擬
    5.3.6  ARMA和ARIMA模型的統計推斷

    5.3.7  ARIMA模型階數選擇
    5.3.8  ARIMA模型預測
    5.3.9  R中ARMA和ARIMA模型的分析
    5.3.10  ARMA過程的穩健性:服從案」厚尾分佈的新息
    5.3.11  金融數據
    5.3.12  帶有ARMA誤差的線性回歸
  5.4  條件異方差
    5.4.1  ARCH模型
    5.4.2  GARCH模型和擴展
  5.5  單位根和協整
    5.5.1  一偽相關:相關係數的分佈
    5.5.2  單位根
    5.5.3  協整過程
  註釋和深入閱讀
  練習
參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032