金融定量分析與S-Plus運(yùn)用

內(nèi)容概要

　　
隨著現(xiàn)代金融朝著數(shù)理化、微觀化和工程化的趨勢發(fā)展，運(yùn)用模型量化分析金融數(shù)據(jù)已成為學(xué)術(shù)研究和實(shí)踐運(yùn)用的主流模式，掌握分析技術(shù)原理和實(shí)現(xiàn)方法已成為金融方向研究人員或金融從業(yè)技術(shù)人員的基本素質(zhì)，也是目前高校金融、經(jīng)濟(jì)類專業(yè)人才培養(yǎng)的必修內(nèi)容。目前相關(guān)書籍可以歸為兩類：一類屬“理論類”，側(cè)重于理論，強(qiáng)調(diào)嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)推導(dǎo)；另一類屬“應(yīng)用類”，側(cè)重于運(yùn)用，強(qiáng)調(diào)方法通過軟件實(shí)現(xiàn)。《金融定量分析與S-Plus運(yùn)用》力求找到理論與運(yùn)用的平衡。為了說明原理，有嚴(yán)謹(jǐn)?shù)耐茖?dǎo)過程，但盡量簡潔。在此基礎(chǔ)上，重點(diǎn)解析了對(duì)應(yīng)方法在軟件中的實(shí)現(xiàn)過程?！督鹑诙糠治雠cS-Plus運(yùn)用》適合金融專業(yè)師生、金融方向研究人員以及金融從業(yè)技術(shù)人員參考閱讀。

作者簡介

　　
朱敏，1978年出生于上海，上海師范大學(xué)金融學(xué)院講師，復(fù)旦大學(xué)世界經(jīng)濟(jì)系博士畢業(yè)。在校為本科生開設(shè)《金融衍生產(chǎn)品》、《金融時(shí)間序列分析》等課程，目前主要研究金融風(fēng)險(xiǎn)管理。在《財(cái)經(jīng)硼究》、《產(chǎn)業(yè)經(jīng)濟(jì)研究》等學(xué)術(shù)期刊發(fā)表淪文近十篇。現(xiàn)主持市級(jí)課題一項(xiàng)。經(jīng)濟(jì)學(xué)博士，講師?，F(xiàn)任職于上海師范大學(xué)商學(xué)院經(jīng)濟(jì)系，主要講授“宏觀經(jīng)濟(jì)學(xué)”、“經(jīng)濟(jì)學(xué)說史”、“經(jīng)濟(jì)博奔論”等課程。主要研究領(lǐng)域?yàn)椋航?jīng)濟(jì)增長、金融發(fā)展、金融市場和金融機(jī)構(gòu)。在《財(cái)政研究》、《上海經(jīng)濟(jì)研究》、《經(jīng)濟(jì)科學(xué)》等csscI期刊上發(fā)表論文多篇。參與編寫《信用風(fēng)險(xiǎn)管理》等專業(yè)教材。

書籍目錄

第1章 S-Plus的基本使用方法
1.1 S-Plus軟件簡介
1.2 s語言的基本對(duì)象
1.2.1 向量
1.2.2 矩陣
1.2.3 因子
1.2.4 列表
1.2.5 數(shù)據(jù)框
1.3 S語言的基本語法
1.3.1 分支語句
1.3.2 循環(huán)語句
1.4 S語言的自編函數(shù)
1.4.1 工作空間管理
1.4.2 參數(shù)（自變量）
1.4.3 作用域
1.5 S-P1us的繪圖
1.5.1 散點(diǎn)圖
1.5.2 密度函數(shù)的繪制
1.5.3 多組數(shù)據(jù)的圖形繪制
1.5.4 多圖控制
1.6 用SPlus讀寫數(shù)據(jù)文件
1.6.1 文本格式文件的讀寫方式
1.6.2 特定數(shù)據(jù)源數(shù)據(jù)的讀寫方式
1.6.3 利用菜單讀寫數(shù)據(jù)
1.7 數(shù)據(jù)的基本處理方法S
1.7.1 特定數(shù)據(jù)的選擇
1.7.2 數(shù)據(jù)的合并
1.7.3 數(shù)據(jù)的排序
1.7.4 數(shù)據(jù)的篩選
第2章 金融時(shí)間序列數(shù)據(jù)的處理方法
2.1 時(shí)間序列數(shù)據(jù)
2.1.1 "timeSeries"對(duì)象
2.1.2 "timeSeries"的基本操作
2.1.3 "timeDate"對(duì)象
2.1.4 "timeDate"對(duì)象的基本操作
2.1.5 遞增時(shí)間序列的生成方法
2.1.6 生成“timeSeries”對(duì)象
2.1.7 時(shí)間序列數(shù)據(jù)的分組統(tǒng)計(jì)
2.1.8 時(shí)間序列數(shù)據(jù)的合并
2.1.9缺失值的處理方法j
2.2 在S-Plus中對(duì)時(shí)間序列的處理
2.2.1 生成滯后和差分.
2.2.2 收益率的定義
2.2.3 收益率的計(jì)算
2.2.4 收益率的特征
第3章 時(shí)間序列數(shù)據(jù)的回歸分析.
3.1 最小二乘估計(jì)量
3.1.1 線性回歸模型的矩陣方法：0LS的數(shù)值性質(zhì)
3.1.2 回歸模型的經(jīng)典假設(shè)：0IS的統(tǒng)計(jì)性質(zhì)
3.2 OLS估計(jì)量的有限樣本性質(zhì)
3.2.1 估計(jì)量口的有限樣本性質(zhì)
3.2.2 隨機(jī)擾動(dòng)項(xiàng)的方差估計(jì)量孑的有限樣本性質(zhì)
3.2.3 時(shí)間序列的有限樣本性質(zhì)
3.3 假設(shè)檢驗(yàn)
3.3.1 個(gè)別回歸系數(shù)的假設(shè)檢驗(yàn)
3.3.2 線性約束檢驗(yàn)
3.3.3 不包括常數(shù)項(xiàng)的所有系數(shù)的統(tǒng)計(jì)顯著性：F統(tǒng)計(jì)量
3.4 違背經(jīng)典假設(shè)數(shù)據(jù)的問題與處理
3.4.1 異方差
3.4.2 自相關(guān)
3.5 使用S+Finmetrics函數(shù)“0LS”進(jìn)行時(shí)間序列回歸
第4章 平穩(wěn)時(shí)間序列模型
4.1 平穩(wěn)時(shí)間序列的幾個(gè)重要概念
4.1.1 平穩(wěn)性
4.1.2 自相關(guān)
4.1.3 偏自相關(guān)
4.2 自回歸模型
4.2.1 AR（1）模型
4.2.2 AR（1）模型的識(shí)別特征
4.2.3 AR（1）模型的生成程序
4.2.4 AR（1）模型的估計(jì)
4.2.5 AR（2）模型
4.2.6 AR（D）模型
4.2.7 自回歸模型的建模法則
4.2.8 自回歸模型的預(yù)測
4.3 移動(dòng)平均模型
4.3.1 MA（1）模型
4.3.2 MA（1）模型的識(shí)別特征
4.3.3 MA（1）模型的生成程序
4.3.4 MA（1）模型的估計(jì)
4.3.5 MA（2）模型
4.3.6 MA（q）模型
4.3.7 移動(dòng)平均模型的建模法則
4.3.8 移動(dòng)平均模型的預(yù)測
4.4 自回歸移動(dòng)平均模型
4.4.1 ARMA（1，1）模型
4.4.2 ARMA（1，1）的識(shí)別特征
4.4.3 ARMA（1，1）的生成程序
4.4.4 ARMA模型的建模法則
4.4.5 自回歸移動(dòng)平均模型的預(yù)測
第5章 波動(dòng)率建模
5.1 ARCH模型
5.1.1 ARCH模型的結(jié)構(gòu)
5.1.2 ARCH模型的性質(zhì)
5.1.3 ARCH模型的診斷
5.1.4 ARCH模型的估計(jì)
5.1.5 ARCH模型的預(yù)測
5.2 GARCt{模型
5.2.1 GARCH模型的結(jié)構(gòu)
5.2.2 GARCH模型的性質(zhì)
5.2.3 GARCH模型的估計(jì)方法
5.2.4 GARCH模型的優(yōu)選
5.2.5 CARCH模型的預(yù)測
5.3 風(fēng)險(xiǎn)效應(yīng)模型
5.3.1 風(fēng)險(xiǎn)效應(yīng)
5.3.2 GARCH—M模型
5.3.3 GARCH—M模型的估計(jì)
5.3.4 GARCH—M模型的預(yù)測
5.4 杠桿效應(yīng)模型
5.4.1 波動(dòng)的非對(duì)稱性
5.4.2 杠桿效應(yīng)的檢驗(yàn)
5.4.3 EGARCH模型
5.4.4 EGARCH模型的估計(jì)
5.4.5 EGARCH模型的預(yù)測
5.4.6 TGARCH模型
5.4.7 TGARCH模型的估計(jì)
5.5 含有外生變量的GARcH模型
5.5.1 外生變量與GARCH模型
5.5.2 含有外生變量的GARCI-{模型估計(jì)
第6章 非平穩(wěn)序列與單位根
6.1 非平穩(wěn)序列
6.1.1 隨機(jī)游走
6.1.2 帶漂移的隨機(jī)游走
6.2 偽回歸
6.3 DF檢驗(yàn)
6.3.1 DF檢驗(yàn)的基本思想
6.3.2 DF統(tǒng)計(jì)量的構(gòu)造
6.3.3 蒙特卡洛模擬與DF分布的獲取
6.3.4 S-Plus中DF檢驗(yàn)方法
6.4 ADF檢驗(yàn)
6.4.1 ADF檢驗(yàn)的基本概念
6.4.2 ADF檢驗(yàn)的經(jīng)驗(yàn)法則
6.5 單位根檢驗(yàn)的一個(gè)實(shí)際例子
第7章 向量自回歸
7.1 向量自回歸（VAR）模型的構(gòu)造
7.2 VAR模型的殘差滯后項(xiàng)表達(dá)式
7.2.1 VAR模型的估計(jì)方法
7.2.2 VAR模型滯后階數(shù)的選擇
7.2.3 VAR模型的穩(wěn)定性條件
7.3 格蘭杰因果檢驗(yàn)
7.3.1 格蘭杰因果檢驗(yàn)的定義
7.3.2 F檢驗(yàn)
7.3.3 Wald檢驗(yàn)
7.4 VAR模型的脈沖響應(yīng)分析
7.5 VAR模型預(yù)測誤差的方差分解
7.6 結(jié)構(gòu)向量自回歸
7.6.1 結(jié)構(gòu)模型還原的識(shí)別條件
7.6.2 S，VAR模型的一般形式
7.6.3 SVAR模型的似然估計(jì)
7.6.4 長期累積效應(yīng)約束與BQ分解
7.6.5 SVAR模型的脈沖響應(yīng)函數(shù)
7.7 結(jié)構(gòu)向量自回歸的實(shí)例
7.7.1 基于VAR（2）的模型
7.7.2 基于SVAR（2）的模型
第8章 協(xié)整與誤差修正模型
8.1 協(xié)整的概念
8.1.1 單整
8.1.2 協(xié)整的定義
8.2 兩個(gè)變量的協(xié)整分析
8.2.1 協(xié)整檢驗(yàn)的基本思想
8.2.2 誤差修正模型
8.2.3 E-G兩部法
8.3 多個(gè)變量的協(xié)整分析
8.3.1 向量的協(xié)整
8.3.2 Joharon檢驗(yàn)
參考文獻(xiàn)

編輯推薦

金融定量研究的對(duì)象基本都是時(shí)間序列數(shù)據(jù)，因而主要運(yùn)用經(jīng)濟(jì)計(jì)量學(xué)的專門方法即“時(shí)間序列分析”來分析處理數(shù)據(jù)，這也使得“時(shí)間序列分析”成為金融定量分析技術(shù)學(xué)習(xí)的主要內(nèi)容。由于較多運(yùn)用了矩陣分析和隨機(jī)分析等數(shù)學(xué)內(nèi)容，使得非數(shù)學(xué)專業(yè)學(xué)生在學(xué)習(xí)這部分知識(shí)時(shí)有較大困難?！督鹑诙糠治雠cS-Plus運(yùn)用》力求找到理論與運(yùn)用的平衡。

圖書封面

評(píng)論、評(píng)分、閱讀與下載

---

    金融定量分析與S-Plus運(yùn)用 PDF格式下載

---