数据科学与工程技术金融市场数据分析教材风险投资股

内容介绍  

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#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。  

作者介绍  

DavidRuppert康奈尔大学运筹学和信息工程学院统计科学教授、AndrewSchultz,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:《TransformationandWeightinginRegression》《MeasurementErrorinNonlinearModels》《SemiparametricRegression》和《StatisticsandFinance:AnIntroduction》。  

目录  

目录  

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  

2.5R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  

3.3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  

3.9文献注记  

3.10参考文献  

3.11R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  

4.3.4QQ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  

4.11R实验室  

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  

5.4.1JarqueBera检验  

5.4.2矩  

5.5重尾分布  

5.5.1指数和多项式尾部  

5.5.2t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#大似然估计  

5.10MLE的Fisher信息和中心极限定理  

5.11似然比检验  

5.12AIC与BIC  

5.13验证数据和交叉验证  

5.14由#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  

5.20R实验室  

5.20.1收入数据  

5.20.2DAX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  

6.3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  

6.6R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  

7.7用#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  

7.10Fisher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  

7.14R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  

8.4.2Claytoncopula  

8.4.3Gumbelcopula  

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#大似然  

8.7.2拟#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  

8.10R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  

9.4AR（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  

9.5aR（1）过程的估计  

9.5.1残差与模型检验  

9.5.2#大似然和条件#小二乘  

9.6AR（p）模型  

9.7滑动平均过程  

9.7.1MA（1）过程  

9.7.2一般的MA过程  

9.8ARMA过程  

9.8.1后向算子  

9.8.2ARMA模型  

9.8.3ARMA（1，1）过程  

9.8.4ARMA参数估计  

9.8.5差分算子  

9.9ARIMA过程  

9.10单位根检验  

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  

9.16R实验室  

9.16.1T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  

10.4.3FARIMA过程  

10.5自助法时间序列  

10.6文献注记  

10.7参考文献  

10.8R实验室  

10.8.1季节性ARIMA模型  

10.8.2VAR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  

11.3两种风险资产  

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  

11.4.3ρ12的效果  

11.5卖空  

11.6N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  

11.10R实验室  

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#小二乘估计  

12.2.2β∧1的方差  

12.3多元线性回归  

12.4方差分析、平方和以及R2  

12.4.1AOV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  

12.12R实验室  

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  

13.5R实验室  

13.6习题  

第14章回归：高#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#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  

14.6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#佳线性预测  

14.10.1#佳线性预测  

14.10.2#佳线性预测的预测误差  

14.10.3回归是经验#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  

14.14R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  

15.6R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  

16.1CAPM简介  

16.2资本市场线  

16.3β值和证券市场线  

16.3.1有关β值的例子  

16.3.2CML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  

16.5.2SML的推导  

16.6β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  

16.6.3α值的解释  

16.7CAPM在投资组合分析中的应用  

16.8文献注记  

16.9参考文献  

16.10R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  

17.4.1Fama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  

17.7文献注记  

17.8参考文献  

17.9R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  

18.3ARCH（1）过程  

18.4AR（1）/ARCH(1)模型  

18.5aRCH（p）模型  

18.6ARIMA(pA,d,qA)/GARCH(pG,qG)模型  

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  

18.10GARCH(1,1)过程  

18.11APARCH模型  

18.12具有ARMA/GARCH误差的回归  

18.13ARMA/GARCH过程的预测  

18.14文献注记  

18.15参考文献  

18.16R实验室  

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  

19.2.1VaR与ES的非参数估计  

19.2.2VaR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  

19.7帕雷托分布  

19.8持有期与置信系数的选择  

19.9VaR与多样化  

19.10文献注记  

19.11参考文献  

19.12R实验室  

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  

20.7.1Gibbs抽样  

20.7.2其他蒙特卡罗抽样方法  

20.7.3MCMC输出的分析  

20.7.4WinBUGS  

20.7.5MCMC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  

20.13R实验室  

20.13.1MCMC拟合t分布  

20.13.2AR模型  

20.13.3MA模型  

20.13.4ARMA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  

21.3线性光滑器  

21.3.1平滑矩阵和有效自由度  

21.3.2AIC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  

21.4.4p阶样条函数  

21.4.5其他的样条基  

21.5惩罚样条函数  

21.6文献注记  

21.7参考文献  

21.8R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