金融數據分析導論:基於R語言(An Introduction to Analysis of Financial Data with R) 统计学精品译丛·金融数据分析导论:基于R语言

蔡瑞胸 (Ruey S.Tsay)

  • 出版商: 機械工業
  • 出版日期: 2013-10-01
  • 定價: $414
  • 售價: 8.5$352
  • 語言: 簡體中文
  • 頁數: 305
  • 裝訂: 平裝
  • ISBN: 7111435060
  • ISBN-13: 9787111435068
  • 相關分類: R 語言資料科學

已絕版

買這商品的人也買了...

商品描述

 

<內容簡介>

蔡瑞胸編著的這本《金融數據分析導論(基於R語言)》向讀者展示了可視化金融數據的基本概念,共有7章內容,涉及R軟件、線性時間序列分析、資產波動率的不同計算方法、波動率模型在金融中的實際應用、高頻金融數據的處理、用於風險管理的量化方法等.貫通全書,作者都是通過R圖形以可視化的形式把討論主題展現給讀者,並以兩個詳細案例展示了金融中統計學的應用。
《金融數據分析導論(基於R語言)》是高年級本科生或研究生階段學習時間序列和商務統計學的優秀教材.對於希望進一步加強對金融數據和當今金融市場理解的研究人員以及商業、金融和經濟領域的從業者,該書也是極佳的選擇。

 

<章節目錄>

前言
第1章  金融數據及其特徵
  1.1 資產收益率
  1.2 債券收益和價格
  1.3 隱含波動率
  1.4 R軟件包及其演示
    1.4.1 R軟件包的安裝
    1.4.2 Quantmod軟件包
    1.4.3 R的基本命令
  1.5 金融數據的例子
  1.6 收益率的分佈性質
  1.7 金融數據的可視化
  1.8 一些統計分佈
    1.8.1 正態分佈
    1.8.2 對數正態分佈
    1.8.3 穩態分佈
    1.8.4 正態分佈的尺度混合
    1.8.5 多元收益率
  習題
  參考文獻
第2章 金融時間序列的線性模型
  2.1 平穩性
  2.2 相關係數和自相關函數
  2.3 白噪聲和線性時間序列
  2.4 簡單自回歸模型
    2.4.1 AR模型的性質
    2.4.2 實踐中AR模型的識別
    2.4.3 擬合優度
    2.4.4 預測
  2.5 簡單移動平均模型
    2.5.1 MA模型的性質
    2.5.2 MA模型定階
    2.5.3 模型估計
    2.5.4 用MA模型預測
  2.6 簡單ARMA模型
    2.6.1 ARMA(1,1)模型的性質
    2.6.2 一般ARMA模型
    2.6.3 ARMA模型的識別
    2.6.4 用ARMA模型進行預測
    2.6.5 ARMA模型的三種表示方式
  2.7 單位根非平穩性
    2.7.1 隨機遊動
    2.7.2 帶漂移的隨機遊動
    2.7.3 趨勢平穩時間序列
    2.7.4 一般單位根非平穩模型
    2.7.5 單位根檢驗
  2.8 指數平滑
  2.9 季節模型
    2.9.1 季節差分
    2.9.2 多重季節模型

    2.9.3 季節啞變量
  2.10 帶時間序列誤差的回歸模型
  2.11 長記憶模型
  2.12 模型比較和平均
    2.12.1 樣本內比較
    2.12.2 樣本外比較
    2.12.3 模型平均
  習題
  參考文獻
第3章 線性時間序列分析案例學習
  3.1 每周普通汽油價格
    3.1.1 純時間序列模型
    3.1.2 原油價格的使用
    3.1.3 應用滯後期的原油價格數據
    3.1.4 樣本外預測
  3.2 全球溫度異常值
    3.2.1 單位根平穩
    3.2.2 趨勢非平穩
    3.2.3 模型比較
    3.2.4 長期預測
    3.2.5 討論
  3.3 美國月失業率
    3.3.1 單變量時間序列模型
    3.3.2 一個替代模型
    3.3.3 模型比較
    3.3.4 使用首次申請失業救濟金人數
    3.3.5 模型比較
  習題
  參考文獻
第4章 資產波動率及其模型
  4.1 波動率的特徵
  4.2 模型的結構
  4.3 模型的建立
  4.4 ARCH效應的檢驗
  4.5 ARCH模型
    4.5.1 ARCH模型的性質
    4.5.2 ARCH模型的優點與缺點
    4.5.3 ARCH模型的建立
    4.5.4 例子
  4.6 GARCH模型
    4.6.1 實例說明
    4.6.2 預測的評估
    4.6.3 兩步估計方法
  4.7 求和GARCH模型
  4.8 GARCH-M模型
  4.9 指數GARCH模型
    4.9.1 第一個示例
    4.9.2 模型的另一種形式
    4.9.3 第二個示例
    4.9.4 用EGARCH模型進行預測

  4.10 門限GARCH模型
  4.11 APARCH模型
  4.12 非對稱GARCH模型
  4.13 隨機波動率模型
  4.14 長記憶隨機波動率模型
  4.15 另一種方法
    4.15.1 高頻數據的應用
    4.15.2 應用日開盤價、最高價、最低價和收盤價
  習題
  參考文獻
第5章 波動率模型的應用
  5.1 GARCH波動率期限結構
  5.2 期權定價和對沖
  5.3 隨時間變化的協方差和β值
  5.4 最小方差投資組合
  5.5 預測
  習題
  參考文獻
第6章 高頻金融數據
  6.1 異步交易
  6.2 交易價格的買賣報價差
  6.3 交易數據的經驗特徵
  6.4 價格變化模型
    6.4.1 順序概率值模型
    6.4.2 分解模型
  6.5 持續期模型
    6.5.1 日模式的成分
    6.5.2 ACD模型
    6.5.3 估計
  6.6 實際波動率
    6.6.1 處理市場微結構噪聲
    6.6.2 討論
  附錄A  概率分佈概覽
  附錄B  危險率函數
  習題
  參考文獻
第7章  極值理論、分位數估計與VaR
  7.1 風險測度和一致性
    7.1.1 風險值
    7.1.2 期望損失
    7.2 計算風險度量的註記
  7.3 風險度量制
    7.3.1 討論
    7.3.2 多個頭寸
  7.4 VaR計算的計量經濟學方法
  7.5 分位數估計
    7.5.1 分位數與次序統計量
    7.5.2 分位數回歸
  7.6 極值理論
    7.6.1 極值理論概覽

    7.6.2 經驗估計
    7.6.3 股票收益率的應用
  7.7 極值在VaR中的應用
    7.7.1 討論
    7.7.2 多期VaR
    7.7.3 收益率水平
  7.8 超出門限的峰值
    7.8.1 統計理論
    7.8.2 超額均值函數
    7.8.3 估計
    7.8.4 另外一種參數化方法
  7.9 平穩損失過程
  習題
  參考文獻
索引

 

<作者介紹>

(美)蔡瑞胸|譯者:李洪成//尚秀芬//郝瑞麗
Ruey S.Tsay(蔡瑞胸),美國芝加哥大學布斯商學院經濟計量及統計學的H.G.B.Alexander講席教授。1982年於美國威斯康星大學麥迪遜分校獲得統計學博士學位。中國台灣「中央研究院」院士,美國統計協會和數理統計學會的會士,Journal of Forecasting的聯合主編,Journal of Financial Econometrics的副主編。曾任美國統計學會商務與經濟統計分會主席、《商務與經濟統計》期刊主編。