金融数据分析导论 基于R语言pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

金融数据分析导论 基于R语言PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 金融数据及其特征 1

1.1 资产收益率 1

1.2 债券收益和价格 5

1.3 隐含波动率 7

1.4 R软件包及其演示 8

1.4.1 R软件包的安装 9

1.4.2 Quantmod软件包 9

1.4.3 R的基本命令 11

1.5 金融数据的例子 12

1.6 收益率的分布性质 14

1.7 金融数据的可视化 19

1.8 一些统计分布 23

1.8.1 正态分布 23

1.8.2 对数正态分布 23

1.8.3 稳态分布 24

1.8.4 正态分布的尺度混合 24

1.8.5 多元收益率 25

习题 27

参考文献 27

第2章 金融时间序列的线性模型 28

2.1 平稳性 30

2.2 相关系数和自相关函数 31

2.3 白噪声和线性时间序列 36

2.4 简单自回归模型 37

2.4.1 AR模型的性质 38

2.4.2 实践中AR模型的识别 44

2.4.3 拟合优度 49

2.4.4 预测 50

2.5 简单移动平均模型 52

2.5.1 MA模型的性质 53

2.5.2 MA模型定阶 54

2.5.3 模型估计 55

2.5.4 用MA模型预测 55

2.6 简单ARMA模型 58

2.6.1 ARMA（1,1）模型的性质 59

2.6.2 一般ARMA模型 60

2.6.3 ARMA模型的识别 60

2.6.4 用ARMA模型进行预测 63

2.6.5 ARMA模型的三种表示方式 63

2.7 单位根非平稳性 65

2.7.1 随机游动 65

2.7.2 带漂移的随机游动 66

2.7.3 趋势平稳时间序列 68

2.7.4 一般单位根非平稳模型 68

2.7.5 单位根检验 69

2.8 指数平滑 72

2.9 季节模型 74

2.9.1 季节差分 75

2.9.2 多重季节模型 77

2.9.3 季节哑变量 82

2.10 带时间序列误差的回归模型 84

2.11 长记忆模型 89

2.12 模型比较和平均 92

2.12.1 样本内比较 92

2.12.2 样本外比较 92

2.12.3 模型平均 96

习题 96

参考文献 97

第3章 线性时间序列分析案例学习 99

3.1 每周普通汽油价格 99

3.1.1 纯时间序列模型 100

3.1.2 原油价格的使用 102

3.1.3 应用滞后期的原油价格数据 103

3.1.4 样本外预测 104

3.2 全球温度异常值 108

3.2.1 单位根平稳 109

3.2.2 趋势非平稳 112

3.2.3 模型比较 114

3.2.4 长期预测 116

3.2.5 讨论 117

3.3 美国月失业率 121

3.3.1 单变量时间序列模型 121

3.3.2 一个替代模型 125

3.3.3 模型比较 128

3.3.4 使用首次申请失业救济金人数 128

3.3.5 模型比较 135

习题 135

参考文献 136

第4章 资产波动率及其模型 137

4.1 波动率的特征 137

4.2 模型的结构 138

4.3 模型的建立 140

4.4 ARCH效应的检验 141

4.5 ARCH模型 143

4.5.1 ARCH模型的性质 144

4.5.2 ARCH模型的优点与缺点 145

4.5.3 ARCH模型的建立 145

4.5.4 例子 149

4.6 GARCH模型 154

4.6.1 实例说明 156

4.6.2 预测的评估 163

4.6.3 两步估计方法 164

4.7 求和GARCH模型 164

4.8 GARCH-M模型 166

4.9 指数GARCH模型 168

4.9.1 第一个示例 169

4.9.2 模型的另一种形式 170

4.9.3 第二个示例 170

4.9.4 用EGARCH模型进行预测 172

4.10 门限GARCH模型 173

4.11 APARCH模型 175

4.12 非对称GARCH模型 177

4.13 随机波动率模型 179

4.14 长记忆随机波动率模型 180

4.15 另一种方法 181

4.15.1 高频数据的应用 181

4.15.2 应用日开盘价、最高价、最低价和收盘价 183

习题 187

参考文献 188

第5章 波动率模型的应用 190

5.1 GARCH波动率期限结构 190

5.2 期权定价和对冲 194

5.3 随时间变化的协方差和β值 196

5.4 最小方差投资组合 203

5.5 预测 207

习题 214

参考文献 214

第6章 高频金融数据 215

6.1 非同步交易 215

6.2 交易价格的买卖报价差 218

6.3 交易数据的经验特征 220

6.4 价格变化模型 224

6.4.1 顺序概率值模型 224

6.4.2 分解模型 228

6.5 持续期模型 232

6.5.1 日模式的成分 233

6.5.2 ACD模型 235

6.5.3 估计 237

6.6 实际波动率 241

6.6.1 处理市场微结构噪声 247

6.6.2 讨论 249

附录A 概率分布概览 251

附录B 危险率函数 253

习题 254

参考文献 255

第7章 极值理论、分位数估计与VaR 257

7.1 风险测度和一致性 257

7.1.1 风险值 258

7.1.2 期望损失 262

7.2 计算风险度量的注记 263

7.3 风险度量制 264

7.3.1 讨论 267

7.3.2 多个头寸 268

7.4 VaR计算的计量经济学方法 270

7.5 分位数估计 275

7.5.1 分位数与次序统计量 276

7.5.2 分位数回归 277

7.6 极值理论 280

7.6.1 极值理论概览 280

7.6.2 经验估计 282

7.6.3 股票收益率的应用 284

7.7 极值在VaR中的应用 288

7.7.1 讨论 289

7.7.2 多期VaR 290

7.7.3 收益率水平 290

7.8 超出门限的峰值 291

7.8.1 统计理论 292

7.8.2 超额均值函数 293

7.8.3 估计 294

7.8.4 另外一种参数化方法 296

7.9 平稳损失过程 298

习题 299

参考文献 300

索引 302