编辑推荐
一本基于R语言的金融统计与数据分析教程。
内容简介
本书内容涉及金融学中的统计模型和数据分析的诸多内容，与一般偏重于单纯介绍理论知识和模型的著作不同，它把统计模型和金融模型联系在一起，寓统计学知识于金融学之中，并且用R软件做出了完美的应用程序。
主要内容包括收益、固定收益证券、探索性数据分析、建模一元分布、再抽样、多元统计模型、Copulas、时间序列模型、证券投资组合理论、回归、协整分析、固定资产定价模型、因子模型和主成分分析、GARCH模型、风险管理、贝叶斯数据分析和MCMC、非参数回归和样条。
作者简介
作者戴维·罗伯特，康奈尔大学运筹学和信息工程学院统计科学教授、Andrew Schultz, Jr.工程学教授，主要讲授统计学、金融工程等课程。他的研究领域包括渐近理论、半参数回归、函数型数据分析、生物统计、模型校准、度量误差和天文统计学。
Ruppert教授拥有密歇根州立大学统计学博士学位，是美国统计协会和数理统计协会会员，并曾获得 Wilcoxon奖。
Ruppert教授发表了100多篇科技论文，撰写了4部著作: 《Transformation and Weighting in Regression》 《Measurement Error in Nonlinear Models》《Semiparametric Regression》和《 Statistics and Finance: An Introduction》。
章节目录
版权信息
前言
第1章 引言
1.1 文献注记
1.2 参考文献
第2章 收益
2.1 引言
2.1.1 净收益率
2.1.2 总收益率
2.1.3 对数收益率
2.1.4 股息调整
2.2 随机游走模型
2.2.1 随机游走
2.2.2 几何随机游走
2.2.3 对数价格是对数正态的几何随机游走吗
2.3 文献注记
2.4 参考文献
2.5 R实验室
2.5.1 数据分析
2.5.2 模拟
2.6 习题
第3章 固定收入证券
3.1 引言
3.2 零息债券
3.2.1 利率引起的价格和收益波动
3.3 有息票债券
3.4 到期收益率
3.4.1 计算到期收益率的一般方法
3.4.2 即期汇率
3.5 期限结构
3.5.1 引言：利率取决于到期时间
3.5.2 期限结构的描述
3.6 连续复利
3.7 连续的远期利率
3.8 价格对收益率的敏感性
3.8.1 息票债券的期限
3.9 文献注记
3.10 参考文献
3.11 R实验室
3.11.1 计算到期收益
3.11.2 绘制收益曲线
3.12 习题
第4章 探索性数据分析
4.1 引言
4.2 直方图和核密度估计
4.3 顺序统计量、样本CDF与样本分位数
4.3.1 样本分位数的中心极限定理
4.3.2 正态概率图
4.3.3 半正态图
4.3.4 QQ图
4.4 正态性检验
4.5 箱形图
4.6 数据变换
4.7 变换几何
4.8 变换核密度估计
4.9 文献注记
4.10 参考文献
4.11 R实验室
4.11.1 欧洲股票指数
4.12 习题
第5章 单变量分布建模
5.1 引言
5.2 参数模型与简约性
5.3 位置参数、尺度参数和形状参数
5.4 偏度、峰度和矩
5.4.1 Jarque-Bera检验
5.4.2 矩
5.5 重尾分布
5.5.1 指数和多项式尾部
5.5.2 t分布
5.5.3 混合模型
5.6 广义误差分布
5.7 从对称分布创建偏度
5.8 基于分位数的位置、尺度和形状参数
5.9 最大似然估计
5.10 MLE的Fisher信息和中心极限定理
5.11 似然比检验
5.12 AIC与BIC
5.13 验证数据和交叉验证
5.14 由最大似然法拟合分布
5.15 剖面似然
5.16 稳健估计
5.17 带有参数变换的变换核密度估计
5.18 文献注记
5.19 参考文献
5.20 R实验室
5.20.1 收入数据
5.20.2 DAX收益
5.21 习题
第6章 再抽样
6.1 引言
6.2 偏差、标准差和MSE的自助法估计
6.2.1 自助法t分布的MLE
6.3 自助法置信区间
6.3.1 正态近似区间
6.3.2 自助法t区间
6.3.3 基本的自助法区间
6.3.4 百分位数置信区间
6.4 文献注记
6.5 参考文献
6.6 R实验室
6.7 习题
第7章 多元统计模型
7.1 引言
7.2 协方差和相关矩阵
7.3 随机变量的线性函数
7.3.1 两个或更多随机变量的线性组合
7.3.2 独立与和的方差
7.4 散点图矩阵
7.5 多元正态分布
7.6 多元t分布
7.6.1 在投资组合分析中使用t分布
7.7 用最大似然来拟合多元t分布
7.8 椭圆轮廓密度
7.9 多元有偏t分布
7.10 Fisher信息矩阵
7.11 多元数据自助法
7.12 文献注记
7.13 参考文献
7.14 R实验室
7.14.1 股票收益
7.14.2 拟合多元t分布
7.14.3 拟合一个二元t分布
7.15 习题
第8章 copula
8.1 引言
8.2 特殊copula
8.3 高斯copula和t-copula
8.4 阿基米德copula
8.4.1 弗兰克copula
8.4.2 Clayton copula
8.4.3 Gumbel copula
8.5 秩相关
8.5.1 肯德尔的tau相关系数
8.5.2 斯皮尔曼相关系数
8.6 尾部相关
8.7 计算copula
8.7.1 最大似然
8.7.2 拟最大似然估计
8.7.3 计算元高斯分布和元t分布
8.8 文献注记
8.9 参考文献
8.10 R实验室
8.10.1 模拟copula
8.10.2 对收益数据拟合copula
8.11 习题
第9章 时间序列模型：基础知识
9.1 时间序列数据
9.2 平稳过程
9.2.1 白噪声
9.2.2 预测白噪声
9.3 估计平稳过程的参数
9.3.1 ACF图和Ljung-Box检验
9.4 AR（1）过程
9.4.1 弱平稳AR（1）过程的性质
9.4.2 收敛到平稳分布
9.4.3 非平稳AR（1）过程
9.5 AR（1）过程的估计
9.5.1 残差与模型检验
9.5.2 最大似然和条件最小二乘
9.6 AR（p）模型
9.7 滑动平均过程
9.7.1 MA（1）过程
9.7.2 一般的MA过程
9.8 ARMA过程
9.8.1 后向算子
9.8.2 ARMA模型
9.8.3 ARMA（1，1）过程
9.8.4 ARMA参数估计
9.8.5 差分算子
9.9 ARIMA过程
9.9.1 ARIMA过程的漂移
9.10 单位根检验
9.10.1 单位根检验如何工作
9.11 自动选择一个ARIMA模型
9.12 预测
9.12.1 预测误差和预测区间
9.12.2 通过模拟计算预测限
9.13 偏自相关系数
9.14 文献注记
9.15 参考文献
9.16 R实验室
9.16.1 T-bill比率
9.16.2 预测
9.17 习题
第10章 时间序列模型：更多主题
10.1 季节性ARIMA模型
10.1.1 季节性和非季节性差分
10.1.2 乘法ARIMA模型
10.2 时间序列的Box-Cox变换
10.3 多变量时间序列
10.3.1 互相关函数
10.3.2 多变量白噪声
10.3.3 多变量ARMA过程
10.3.4 使用多变量AR模型预测
10.4 长记忆过程
10.4.1 长记忆平稳模型的需要
10.4.2 分数阶差分
10.4.3 FARIMA过程
10.5 自助法时间序列
10.6 文献注记
10.7 参考文献
10.8 R实验室
10.8.1 季节性ARIMA模型
10.8.2 VAR模型
10.8.3 长记忆过程
10.8.4 一个ARIMA过程的基于模型的自助法
10.9 习题
第11章 投资组合理论
11.1 权衡预期收益和风险
11.2 一种风险资产和一种无风险资产
11.2.1 估计E（R）和σR
11.3 两种风险资产
11.3.1 风险与预期收益
11.4 结合两种风险资产与一种无风险资产
11.4.1 两种风险资产的切线资产组合
11.4.2 结合切线资产组合和无风险资产
11.4.3 ρ12的效果
11.5 卖空
11.6 N个风险资产投资组合的风险有效
11.7 再抽样和有效投资组合
11.8 文献注记
11.9 参考文献
11.10 R实验室
11.10.1 高效股票投资组合
11.11 习题
第12章 回归：基础知识
12.1 引言
12.2 直线回归
12.2.1 最小二乘估计
12.2.2 的方差
12.3 多元线性回归
12.3.1 标准误差、t值和p值
12.4 方差分析、平方和以及R2
12.4.1 AOV表
12.4.2 自由度
12.4.3 均值平方和和F检验
12.4.4 调整R2
12.5 模型选择
12.6 共线性和方差膨胀
12.7 偏残差图
12.8 中心化预测变量
12.9 正交多项式
12.10 文献注记
12.11 参考文献
12.12 R实验室
12.12.1 美国宏观经济变量
12.13 习题
第13章 回归诊断
13.1 回归诊断简介
13.1.1 杠杆值
13.1.2 残差
13.1.3 库克距离
13.2 检验模型假设
13.2.1 非正态分布
13.2.2 非常数方差
13.2.3 非线性
13.2.4 残差相关性和伪回归
13.3 文献注记
13.4 参考文献
13.5 R实验室
13.5.1 当前人口调查数据
13.6 习题
第14章 回归：高级主题
14.1 带有ARMA误差的线性回归
14.2 线性回归的理论
14.2.1 相关噪声的影响和异方差性
14.2.2 回归的最大似然估计
14.3 非线性回归
14.4 从零息债券价格估计远期利率
14.5 双边变换回归
14.5.1 TBS的作用
14.6 只变换因变量
14.7 二元回归
14.8 线性化一个非线性模型
14.9 稳健回归
14.10 回归和最佳线性预测
14.10.1 最佳线性预测
14.10.2 最佳线性预测的预测误差
14.10.3 回归是经验最佳线性预测
14.10.4 多元线性预测
14.11 回归对冲
14.12 文献注记
14.13 参考文献
14.14 R实验室
14.14.1 带ARMA噪声的回归
14.14.2 非线性回归
14.14.3 因变量变换
14.14.4 二元回归：谁得到了空调
14.15 习题
第15章 协整
15.1 引言
15.2 向量误差校正模型
15.3 交易策略
15.4 文献注记
15.5 参考文献
15.6 R实验室
15.6.1 中等规模公司股票价格协整分析
15.6.2 收益的协整分析
15.6.3 模拟
15.7 习题
第16章 资本资产定价模型
16.1 CAPM简介
16.2 资本市场线
16.3 β值和证券市场线
16.3.1 有关β值的例子
16.3.2 CML和SML的比较
16.4 证券特征线
16.4.1 通过多元化降低特有风险
16.4.2 假设合理吗
16.5 一些投资组合理论
16.5.1 对市场投资组合风险的贡献
16.5.2 SML的推导
16.6 β值的估计和CAPM的检验
16.6.1 用回归估计β值
16.6.2 检验CAPM
16.6.3 α值的解释
16.7 CAPM在投资组合分析中的应用
16.8 文献注记
16.9 参考文献
16.10 R实验室
16.11 习题
第17章 因子模型和主成分
17.1 降维
17.2 主成分分析
17.3 因子模型
17.4 用时间序列回归拟合因子模型
17.4.1 Fama和French三因子模型
17.4.2 资产回报率的期望和协方差的估计
17.5 截面因子模型
17.6 统计因子模型
17.6.1 因子的方差最大旋转
17.7 文献注记
17.8 参考文献
17.9 R实验室
17.9.1 主成分分析
17.9.2 时间序列回归拟合因子模型
17.9.3 统计因子模型
17.10 习题
第18章 GARCH模型
18.1 引言
18.2 估计条件均值和方差
18.3 ARCH（1）过程
18.4 AR（1）/ARCH（1）模型
18.5 ARCH（p）模型
18.6 ARIMA（pA，d，qA）/GARCH（pG，qG）模型
18.6.1 ARIMA（pA，d，qA）/GARCH（pG，qG）模型的残差
18.7 具有厚尾的GARCH过程
18.8 拟合ARMA/GARCH模型
18.9 作为ARMA模型的GARCH模型
18.10 GARCH（1，1）过程
18.11 APARCH模型
18.12 具有ARMA/GARCH误差的回归
18.13 ARMA/GARCH过程的预测
18.14 文献注记
18.15 参考文献
18.16 R实验室
18.16.1 拟合GARCH模型
18.17 习题
第19章 风险管理
19.1 风险管理的必要性
19.2 一个资产的VaR和ES的估计
19.2.1 VaR与ES的非参数估计
19.2.2 VaR与ES的参数估计
19.3 用自助法计算VaR与ES的置信区间
19.4 用ARMA/GARCH模型估计VaR与ES
19.5 一个投资组合的VaR与ES的估计
19.6 多项式尾部的VaR估计
19.6.1 估计尾部指数
19.7 帕雷托分布
19.8 持有期与置信系数的选择
19.9 VaR与多样化
19.10 文献注记
19.11 参考文献
19.12 R实验室
19.12.1 多元t分布模型的VaR
19.13 习题
第20章 贝叶斯数据分析和MCMC
20.1 引言
20.2 贝叶斯定理
20.3 先验分布和后验分布
20.4 共轭先验
20.5 后验中心极限定理
20.6 后验区间
20.7 马尔可夫链蒙特卡罗方法
20.7.1 Gibbs抽样
20.7.2 其他蒙特卡罗抽样方法
20.7.3 MCMC输出的分析
20.7.4 WinBUGS
20.7.5 MCMC收敛性和混合的检验
20.7.6 模型DIC和pD的比较
20.8 多层先验
20.9 协方差矩阵的贝叶斯估计
20.9.1 多元正态分布的协方差阵估计
20.9.2 多元t分布的尺度矩阵的估计
20.9.3 协方差矩阵的非共轭先验
20.10 一个平稳过程的采样
20.11 文献注记
20.12 参考文献
20.13 R实验室
20.13.1 MCMC拟合t分布
20.13.2 AR模型
20.13.3 MA模型
20.13.4 ARMA模型
20.14 习题
第21章 非参数回归和样条函数
21.1 引言
21.2 局部多项式回归
21.2.1 局部加权散点光滑和局部加权回归
21.3 线性光滑器
21.3.1 平滑矩阵和有效自由度
21.3.2 AIC和GCV
21.4 多项式样条函数
21.4.1 具有一个结的线性样条函数
21.4.2 具有多个结的线性样条函数
21.4.3 二次样条函数
21.4.4 p阶样条函数
21.4.5 其他的样条基
21.5 惩罚样条函数
21.5.1 选择惩罚量
21.6 文献注记
21.7 参考文献
21.8 R实验室
21.8.1 工资、教育和经验的加法模型
21.8.2 短期利率的一个扩展CKLS模型
21.9 习题
附录A 来自于概率、统计和代数的事实
金融统计与数据分析是2018年由机械工业出版社华章分社出版,作者[美] 戴维·罗伯特。
得书感谢您对《金融统计与数据分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
