R軟件及其在金融定量分析中的應用 配光盤 數量經濟學係列叢書 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

許啓發，蔣翠俠 著

圖書標籤:

• R語言
• 金融
• 定量分析
• 數量經濟學
• 計量經濟學
• 投資
• 金融工程
• 數據分析
• 統計建模
• 經濟學

齣版社： 清華大學齣版社

ISBN：9787302394037

版次：1

商品編碼：11696655

品牌：清華大學

包裝：平裝

開本：16開

齣版時間：2015-05-01

用紙：膠版紙

頁數：451

編輯推薦

　　《R軟件及其在金融定量分析中的應用》可以作為金融學、統計學、數量經濟學、金融數學等專業高年級本科生和相關領域研究生的教科書，也可以為相關領域的研究人員、大學老師、從業人員提供研究參考。

內容簡介

　　金融定量分析主要以金融理論為指導，以數理方法為手段，以計算機軟件為工具，分析金融係統中的各種數量關係，預測金融發展變動規律，為金融決策提供智力支持。《R軟件及其在金融定量分析中的應用》旨在闡明如何使用R軟件開展金融定量分析，由三個部分組成：第一部分主要闡述R軟件基礎及基於R軟件的計算等問題，為金融定量分析提供理論方法與計算工具準備；第二部分主要闡述基於R軟件金融數據讀取、整理以及金融收益計算等問題，為金融定量分析提供數據原材料；第三部分主要討論瞭金融定量分析的核心內容並給齣R軟件的實現，包括：波動率估計、風險值計算、組閤投資、資産定價、風險分散、羊群效應、微觀金融等。《R軟件及其在金融定量分析中的應用》配備瞭大量金融案例與R軟件代碼，可供讀者直接使用或二次開發。

作者簡介

　　許啓發，閤肥工業大學管理學院教授、博士生導師，全國優秀博士學位論文獲得者。在《係統工程理論與實踐》《係統工程學報》《數量經濟技術經濟研究》《中國管理科學》《統計研究》等國內外重要刊物發錶論文70餘篇，被SCI、EI收錄論文1 6篇。主持國傢自然科學基金項目1項，主持省部級課題1O餘項。獲得省部級科研成果奬勵6項；獲得省部級教學成果奬勵4項。承擔過管理統計學、時間序列分析、計量經濟學等課程的教學任務，主編“十一五”國傢級規劃教材1部，齣版學術專著1部。蔣翠俠，閤肥工業大學管理學院副教授、碩士生導師。在《管理科學學報》《數量經濟技術經濟研究》《中國管理科學》《統計研究》《數理統計與管理》等國內外重要刊物發錶論文30餘篇。主持國傢自然科學基金項目1項，主持教育部人文社科研究項目、全國統計科研計劃項目、山東省自然科學基金項目等省部級課題5項。獲省部級科研成果奬勵2項。主講計量經濟學、時間序列分析等課程。

目錄

第1章R軟件基礎
1.1工作環境
1.1.1R的曆史與發展
1.1.2R的資源
1.1.3RGui
1.1.4RStudio
1.2數據操作
1.2.1對象
1.2.2基本類型
1.2.3嚮量
1.2.4數組與矩陣
1.2.5列錶與數據框
1.2.6因子
1.2.7錶達式
1.2.8對象的運算
1.3常用命令
1.3.1工作目錄與R內存
1.3.2保存與加載
1.3.3顯示命令
1.3.4掛接命令
1.4圖形製作
1.4.1繪圖函數
1.4.2繪圖參數
1.4.3製圖案例
1.5編程計算
1.5.1函數定義
1.5.2函數調用
1.5.3函數調試
1.6常用程序包
1.6.1標準包
1.6.2安裝包
1.6.3常用包
1.7習題
1.8參考文獻
第2章基於R軟件的傳統計算
2.1統計分析
2.1.1多元迴歸分析
2.1.2逐步迴歸分析
2.1.3聚類分析
2.1.4因子分析
2.2經濟計量分析
2.2.1數據測量層次
2.2.2二元選擇模型
2.2.3計數數據模型
2.2.4廣義綫性模型
2.3時間序列分析
2.3.1ARMA模型
2.3.2VAR模型
2.3.3脈衝響應
2.3.4方差分解
2.3.5Granger因果
2.3.6案例分析
2.4優化理論與方法
2.4.1問題提齣
2.4.2綫性規劃
2.4.3目標規劃
2.4.4非綫性規劃
2.5習題
2.6參考文獻
第3章基於R軟件的現代計算
3.1人工智能方法
3.1.1人工神經網絡
3.1.2支持嚮量機
3.2高維數據分析
3.2.1問題提齣
3.2.2LASSO迴歸
3.3習題
3.4參考文獻
第4章金融數據整理與預處理
4.1金融數據庫
4.1.1金融數據與金融數據庫
4.1.2國外金融數據庫概況
4.1.3國內金融數據庫概況
4.1.4金融數據庫數據主要內容
4.2金融數據格式
4.2.1xls、xlsx格式
4.2.2csv格式
4.2.3txt格式
4.2.4XML格式
4.2.5HTML格式
4.2.6從其他統計軟件導入
4.2.7關係型數據庫
4.2.8DBF格式
4.3金融數據的導入
4.3.1從控製颱輸入數據
4.3.2上市公司財務報錶信息讀取
4.3.3股票數據的讀取
4.4金融數據的預處理
4.4.1時間序列數據預處理
4.4.2截麵數據預處理
4.5習題
4.6參考文獻
第5章金融資産收益計算
5.1收益率定義
5.1.1常用收益率
5.1.2紅利收益率
5.1.3超額收益率
5.2股票類資産收益率計算
5.2.1單個股票收益率計算
5.2.2多個股票收益率計算
5.2.3資産組閤收益率計算
5.3債券類資産收益率計算
5.3.1三種收益計算
5.3.2債券久期與凸度計算
5.3.3債券績效評價
5.4收益率的分布及其特徵
5.4.1分布函數與數字特徵
5.4.2常用分布函數
5.4.3多元收益率統計
5.5習題
5.6參考文獻
第6章金融波動模型
6.1GARCH類模型
6.1.1ARCH模型
6.1.2GARCH模型
6.1.3GARCH模型擴展
6.1.4多元GARCH模型
6.2SV類模型
6.2.1基本SV模型
6.2.2擴展SV模型
6.2.3多元SV模型
6.2.4案例分析
6.3高頻波動模型
6.3.1金融高頻數據及其特徵
6.3.2“已實現”方差模型
6.3.3ACD模型
6.3.4案例分析
6.4習題
6.5參考文獻
第7章極值、分位數與VaR（ES）
7.1VaR與ES的計算
7.1.1VaR
7.1.2ES
7.1.3RiskMetrics模型與VaR和ES的計算
7.1.4GARCH模型與VaR和ES的計算
7.2分位數迴歸與VaR（ES）計算
7.2.1綫性分位數迴歸
7.2.2非綫性分位數迴歸
7.2.3基於分位數迴歸的VaR和ES的計算
7.3VaR（ES）的極值方法
7.3.1區間極大值模型
7.3.2閾值模型
7.4習題
7.5參考文獻
……
第8章金融組閤投資決策分析
第9章金融資産定價分析
第10章金融風險共同趨勢分析
第11章金融市場羊群效應
第12章微觀金融定量分析

精彩書摘

　　3.1.1.1神經網絡概述
　　人工神經網絡是人工智能的一個重要分支，它是仿生學、數學、與計算機科學的有效結閤。神經網絡模型主要用於做分類與迴歸分析，與傳統分類與迴歸模型相比，神經網絡在解決復雜係統方麵有著絕對的優勢。人工神經網絡是一種非參數方法，無須設定具體函數形式，就可以通過神經元之間的連接關係，建立從輸入到輸齣的內在運行機製，實現對復雜係統的高度擬閤與逼近。
　　人工神經網絡有多種類型，根據網絡結構不同，可以將其劃分為：前嚮型網絡與反饋型網絡。單層感知器與綫性神經網絡都屬於單層前嚮網絡，多層感知器與徑嚮基神經網絡都屬於多層前嚮網絡，而Hopfield神經網絡和Elman神經網絡則屬於反饋網絡。根據學習方式不同，可以將其劃分為有導師學習神經網絡和無導師學習神經網絡。BP神經網絡、RBF神經網絡、Hopfield神經網絡都屬於有導師神經網絡，而SOM則屬於無導師學習神經網絡。
　　人工神經網絡有多種功能，主要用於迴歸與分類。人工神經網絡結構主要有三個部分構成：輸入層、隱含層、輸齣層，其工作原理：由輸入層輸入解釋變量、經由隱含層模擬復雜係統的運行機製、由輸齣層輸齣響應變量的擬閤或預測值，通過預測值與實際值的誤差不斷學習，實現神經網絡的訓練過程。
　　……

前言/序言

《數量經濟學係列叢書》 本叢書旨在為讀者提供一套係統、深入的數量經濟學理論與方法。我們關注經濟學研究的最新進展，匯集瞭國內外頂尖經濟學傢和統計學傢的智慧，力求在理論深度、方法前沿性和應用廣度上達到業界領先水平。 內容特色： 1. 理論體係完備： 叢書涵蓋瞭微觀經濟學、宏觀經濟學、計量經濟學、博弈論、信息經濟學、發展經濟學等數量經濟學的核心分支。我們不僅梳理經典理論，更深入探討前沿模型與最新研究成果，幫助讀者構建紮實的理論基礎。 2. 方法論前沿： 計量經濟學是數量經濟學的重要工具。本叢書將重點介紹經典的計量方法，如迴歸分析、時間序列分析、麵闆數據分析、非參數計量方法等，同時也會引入和講解最新的計量技術，如機器學習在經濟學中的應用、因果推斷方法、貝葉斯計量經濟學等，使讀者能夠掌握解決復雜經濟問題的先進工具。 3. 應用導嚮性強： 數量經濟學的最終目的是理解和解決實際經濟問題。本叢書強調理論與實踐相結閤，選取瞭金融市場分析、宏觀經濟預測、産業政策評估、行為經濟學實驗、國際貿易模型等一係列具有代錶性的應用案例，詳細展示如何運用數量方法分析真實世界的經濟現象，並為政策製定提供量化依據。 4. 數學基礎嚴謹： 數量經濟學離不開數學工具。叢書在介紹經濟學模型時，會注重數學推導的嚴謹性，同時也會根據讀者的數學背景，提供必要的預備知識和補充說明，確保讀者能夠理解理論的精髓，而非僅停留在錶麵。 5. 學術性與普及性並重： 本叢書麵嚮廣泛的讀者群體，包括經濟學、金融學、統計學、管理學等相關專業的本科生、研究生、博士生，以及從事經濟研究、政策分析、金融投資等工作的專業人士。我們力求在保持學術嚴謹性的同時，以清晰易懂的語言進行闡述，幫助不同背景的讀者理解和掌握數量經濟學的知識。 叢書內容展望： 《數量經濟學係列叢書》將持續更新，不斷引入最新的研究成果和發展趨勢。我們計劃涵蓋的主題包括但不限於： 高級計量經濟學： 深入探討斷點迴歸、雙重差分、工具變量等因果推斷方法，以及大樣本理論、局部似然估計、麵闆模型的高級應用。 計算經濟學： 介紹模擬方法（如濛特卡洛模擬）、數值方法（如動態規劃、求解一般均衡模型）在經濟學研究中的應用。 機器學習與大數據在經濟學中的應用： 探索如何利用機器學習算法進行經濟預測、風險評估、消費者行為分析，以及如何處理和分析大規模非結構化經濟數據。 行為經濟學與實驗經濟學： 結閤數量方法，分析人類的非理性決策、心理偏差以及其在經濟活動中的影響。 金融量化建模： 聚焦金融市場的資産定價、風險管理、衍生品定價、高頻交易策略等量化模型。 宏觀經濟動態建模： 深入研究動態隨機一般均衡（DSGE）模型、代理人基模型（ABM）等用於宏觀經濟分析和政策模擬。 空間計量經濟學： 分析經濟活動中的空間依賴性，如地區間的溢齣效應、地理因素的影響等。 網絡經濟學： 探討經濟主體之間形成的復雜網絡結構如何影響經濟行為和市場結果。 《數量經濟學係列叢書》旨在成為讀者在數量經濟學領域學習和研究的可靠夥伴。我們相信，通過掌握這些先進的數量工具和理論，讀者將能更深刻地理解經濟運行規律，更有效地分析和解決經濟問題，為學術研究和實際應用提供堅實支撐。

評分☆☆☆☆☆

這本書的語言風格非常專業，但也並不生澀。作者在解釋復雜的概念時，會用通俗易懂的語言進行闡述，並且會通過圖錶和公式來輔助說明，使得理解起來更加直觀。我尤其喜歡書中對於一些經典金融模型，如CAPM模型、Black-Scholes期權定價模型等的介紹，作者不僅給齣瞭它們的數學推導，還詳細講解瞭它們在R語言中的實現方式，以及在實際應用中需要注意的細節。這些內容讓我對這些模型有瞭更深刻的認識，也為我今後的研究打下瞭堅實的基礎。

評分☆☆☆☆☆

這本書的結構設計，可以說是一門藝術。每一章的開篇都會給齣本章的學習目標，並在結尾進行總結，形成瞭一個完整的學習閉環。這種精心的編排，使得學習過程更加有條理，也更容易跟蹤自己的學習進度。我尤其喜歡書中對“如何解讀模型結果”這一環節的重視，因為很多時候，即使模型構建得再完美，如果不能正確解讀其結果，也失去瞭分析的意義。本書在這方麵提供瞭很多有價值的指導，讓我能夠更準確、更深入地理解金融數據的內在含義。

評分☆☆☆☆☆

我非常看重一本書的“可遷移性”，即學到的知識是否能夠靈活地應用到不同的場景中。這本書在這方麵做得很好。它提供的R語言代碼，不僅僅是針對某一個特定問題，而是具有一定的通用性，稍加修改就可以應用於其他類似的問題。例如，書中關於數據可視化的部分，介紹瞭很多實用的R繪圖函數和技巧，學會之後，我可以用它們來繪製各種復雜的金融圖錶，以便更好地展示數據和分析結果。這種“舉一反三”的能力，是衡量一本書價值的重要標準。

評分☆☆☆☆☆

在學習過程中，我發現這本書的內容涵蓋的範圍相當廣泛，從基礎的統計分析到高級的機器學習模型，幾乎涵蓋瞭金融定量分析的各個方麵。比如，書中對時間序列分析的講解就非常透徹，包括ARIMA模型、GARCH模型等，這些都是在金融市場波動性分析中非常重要的工具。此外，對迴歸分析、因子分析、聚類分析等方法的介紹也相當詳盡，並提供瞭相應的R語言實現代碼。這讓我感覺，隻要認真學習這本書，就能夠掌握一套相當全麵的金融定量分析技能。

評分☆☆☆☆☆

讀完這本書，我對R語言在金融定量分析中的應用有瞭全新的認識。我不再覺得它隻是一個冰冷的工具，而是充滿瞭智慧和可能性的分析平颱。書中對許多前沿的金融建模技術，如機器學習在量化交易中的應用、文本挖掘在金融輿情分析中的作用等，都有所涉及，這讓我對未來的金融科技發展有瞭更清晰的預判。同時，書中也鼓勵讀者進行創新，探索新的分析方法，這激發瞭我進一步學習和研究的動力。

評分☆☆☆☆☆

光盤的附帶，也為這本書增色不少。上麵包含瞭書中所有案例的代碼、示例數據以及一些輔助工具。這意味著我無需再手動輸入大量的代碼，可以直接下載、運行，並在此基礎上進行修改和擴展。這對於初學者來說，無疑大大降低瞭學習門檻，也節省瞭寶貴的時間。同時，我也能通過分析光盤中的數據，更好地理解書中的概念，並在實際操作中加深印象。這種“軟硬件”結閤的學習模式，讓我感覺自己獲得瞭一套完整的解決方案，而不是僅僅一本紙質的教材。

評分☆☆☆☆☆

這本書最大的亮點之一，我認為在於它對R語言在金融定量分析中的“實操性”的強調。它不僅僅是介紹理論，更是提供瞭一整套行之有效的解決方案。從數據獲取、清洗、預處理，到各種統計模型的構建和應用，再到結果的可視化和解釋，書中都給齣瞭詳盡的指導。我尤其欣賞的是，作者在講解每一個模型或方法時，都會深入剖析其背後的數學原理和統計假設，並且會結閤實際的金融數據進行演示。這種理論與實踐相結閤的深度，讓我在學習過程中，不僅知其然，更知其所以然。

評分☆☆☆☆☆

總的來說，這本書給我帶來瞭非常豐富和深刻的學習體驗。它不僅僅是一本技術手冊，更是一本能夠啓發思考、引導實踐的寶典。作者的專業知識和豐富的經驗，通過這本書得到瞭充分的體現。我非常慶幸能夠讀到這樣一本高質量的書籍，它不僅提升瞭我的專業技能，也讓我對金融定量分析這個領域産生瞭更濃厚的興趣。我強烈推薦這本書給所有對金融定量分析感興趣的讀者，無論是學生、研究人員，還是金融從業者，相信都能從中獲益匪淺。

評分☆☆☆☆☆

這本書的封麵設計，說實話，一開始並沒有特彆吸引我。那個“數量經濟學係列叢書”的字樣，雖然錶明瞭它的學術定位，但也讓我心生一絲畏懼，總覺得裏麵會充斥著晦澀難懂的公式和理論，與我日常的工作和學習有些距離。不過，當我翻開第一頁，看到“R軟件及其在金融定量分析中的應用”這個標題時，我的興趣還是被點燃瞭。金融定量分析，這個領域近年來發展迅猛，吸引瞭無數的從業者和研究者。而R語言，作為一款開源、強大的統計分析語言，在學術界和業界的口碑都相當不錯。我一直想深入瞭解R在金融領域的具體應用，掌握一些實用的分析工具，因此這本書的齣現，恰好能填補我的知識空白。

評分☆☆☆☆☆

試讀瞭部分章節後，我發現這本書的內容組織非常清晰，邏輯性也很強。作者並沒有一開始就拋齣復雜的模型，而是從R語言的基礎語法和安裝入手，循序漸進地引導讀者進入金融定量分析的世界。對於像我這樣R語言新手來說，這種“手把手”的教學方式非常友好，讓我能夠快速上手，不再被繁瑣的軟件操作所睏擾。書中的案例分析也緊密結閤瞭實際的金融場景，比如股票價格預測、風險評估、投資組閤優化等，這些都是我在工作中經常會遇到的問題。通過學習書中的代碼示例，我不僅能理解其中的原理，還能直接將這些方法應用到自己的實際工作中，大大提高瞭工作效率。

評分☆☆☆☆☆

金融學數據分析和R語言，現在變得這麼流行瞭。

評分☆☆☆☆☆

很好

評分☆☆☆☆☆

看看看。。。。。。。

評分☆☆☆☆☆

太好瞭，非常詳細及時的專業用書

評分☆☆☆☆☆

看看看。。。。。。。

評分☆☆☆☆☆

不錯，挺實用的，當參考書

評分☆☆☆☆☆

整體還好，就是封麵有所破損，估計是在運輸過程中的拖拉所緻

評分☆☆☆☆☆

大品牌，值得信賴，還會光顧！

評分☆☆☆☆☆

還行