基本信息

• 商品名稱：金融信息分析
• 作者：編者:林建忠
• 代碼：39.8
• 出版社：上海交大
• 書號：9787313127143

其他參考信息

• 出版時間：2015-04-01
• 印刷時間：2015-04-01
• 版次：1
• 印次：1
• 開本：16開
• 頁數：321
• 字數：371千字

內容提要

林建忠編的這本《金融信息分析》介紹了金融信息分析中統計分析方法的基本知識，內容包括金融時間序列的基本概念和基本統計特征、平穩金融時間序列模型、條件異方差模型、風險值及分位數估計、神經網絡和支持向量機分類方法及其在股市漲跌研判中的應用、生存數據與變量類型、生存分析的基本函數和參數模型、估計基本特征函數的非參數方法、比較生存函數的非參數方法和比例危險率模型。
     本書可作為普通高等院校數學與應用數學專業本科生、應用統計專業碩士學位研究生教材，也可作為統計學和計量經濟學等專業方向的研究生的教學參考書以及金融界 從業人員的參考用書。
    

目錄

1 金融時間序列及其特征
1.1 資產收益率
1.2 收益率的分布性質
1.2.1 統計分布及其矩的回顧
1.2.2 收益率的分布
1.2.3 收益率的經驗性質
1.3 Eviews軟件相關操作
1.3.1 簡介
1.3.2 啟動軟件包
1.3.3 創建工作文件
1.3.4 輸入和編輯數據
1.3.5 查看序列的數據特征
1.4 習題
2 線性時間序列分析及其應用
2.1 平穩性
2.2 自相關函數
2.3 自回歸模型
2.3.1 AR模型及性質
2.3.2 實際中怎樣識別AR模型
2.3.3 擬合優度
2.3.4 預測
2.4 移動平均模型
2.4.1 MA模型的性質
2.4.2 識別MA的階
2.4.3 估計
2.4.4 用MA模型預測
2.5 ARMA模型
2.5.1 ARMA(1，1)模型的性質
2.5.2 一般的ARMA模型
2.5.3 識別ARMA模型
2.5.4 用ARMA模型預測
2.5.5 ARMA模型的三種表示
2.6 單位根非平穩時間序列
2.6.1 隨機遊動
2.6.2 帶漂移的隨機遊動
2.6.3 帶趨勢項的時間序列
2.6.4 單整與單位根非平穩模型
2.6.5 非平穩序列的單位根檢驗
2.6.6 DGP識別
2.6.7 Eviews相關操作
2.7 帶時間序列誤差的回歸模型
2.8 異方差性和自相關一致協方差估計
2.9 習題
3 條件異方差模型
3.1 波動率的特征與模型的結構
3.2 ARCH模型
3.2.1 ARCH模型的結構
3.2.2 ARCH模型的性質
3.2.3 ARCH效應的檢驗
3.2.4 ARCH模型的建立
3.2.5 例子
……
4 非線性模型及其應用
5 風險值與分位數估計
6 神經網絡
7 支持向量機
8 生存數據與變量類型
9 基本函數和參數模型
10 估計基本特征函數的非參數方法
11 比較生存函數的非參數方法
12 比例危險率模型
參考文獻