目    錄

第1章金融數據庫 1
1.1金融數據庫的概念 1
1.1.1金融數據庫的定義 1
1.1.2金融數據庫的起源 1
1.1.3金融數據庫的作用 2
1.1.4金融數據庫的分類 4
1.1.5金融數據庫的選擇標準 4
1.2國內外常用金融數據庫簡介 5
1.2.1國外金融數據庫的概況 5
1.2.2國內金融數據庫概況 8
1.2.3選擇合適的金融數據庫 12
1.2.4免費數據資源的獲取渠道 12
1.3銳思數據(RESSET/DB)使用簡介 13
1.3.1RESSET/DB的訪問途徑 13
1.3.2用戶類別以及相應的權限 15
1.3.3數據查詢與下載 15
1.4實驗一：金融數據下載實驗 27
1.4.1實驗目的 27
1.4.2實驗原理 28
1.4.3實驗內容 28
1.4.4實驗步驟 28
1.4.5實驗報告要求 29
本章小結 30
思考討論題 31
第2章數據分析軟件工具 32
2.1金融數據分析軟件工具簡介 32
2.1.1國外主要金融數據分析
軟件簡介 32
2.1.2國產金融數據分析軟件介紹 35
2.1.3金融數據分析軟件的選擇 36
2.2Matlab及其金融工具箱 37
2.2.1Matlab簡介 37
2.2.2Matlab金融工具箱簡介 39
2.2.3Matlab在金融領域的應用 39
2.3Matlab的基礎知識 40
2.3.1Matlab的繫統開發環境 40
2.3.2矩陣及其運算 42
2.3.3數組及其運算 49
2.3.4Matlab中的常用數學函數 51
2.3.5圖形繪制 55
2.3.6編寫M腳本文件 68
2.3.7自定義函數 73
2.4實驗二：金融數據分析軟件
使用實驗 74
2.4.1實驗目的 74
2.4.2實驗原理 74
2.4.3實驗內容 75
2.4.4實驗步驟 75
2.4.5實驗報告要求 75
本章小結 75
思考討論題 76
第3章金融時間序列分析 77
3.1金融時間序列 78
3.1.1金融時間序列的概念 78
3.1.2金融時間序列的構成因素 80
3.1.3金融時間序列分析 80
3.1.4金融時間序列的建立 81
3.2確定性時間序列分析 82
3.2.1長期趨勢Tt 82
3.2.2循環變動Ct 82
3.2.3季節變動St 85
3.2.4確定性時間序列分析小結 87
3.3隨機性時間序列分析 88
3.3.1平穩時間序列 88
3.3.2自回歸移動平均模型 89
3.3.3模型識別與參數估計 89
3.3.4金融時間序列的預測 92
3.3.5模型的檢驗 93
3.3.6Matlab的時間序列工具箱 94
3.4廣義自回歸條件異方差模型 107
3.4.1廣義自回歸條件異
方差模型 107
3.4.2GARCH工具箱 108
3.5  實驗三：金融時間序列分析實驗 118
3.5.1實驗目的 118
3.5.2實驗原理 118
3.5.3實驗內容 118
3.5.4實驗步驟 119
3.5.5實驗報告要求 119
本章小結 119
思考討論題 120
第4章金融風險價值的計算 121
4.1金融風險價值VaR模型 121
4.1.1金融市場風險概述 122
4.1.2金融市場風險的
度量與管理 122
4.1.3VaR模型 123
4.1.4風險價值VaR的計算方法 125
4.1.5模型的評價方法 130
4.2使用Excel計算風險價值VaR的
案例 130
4.2.1在Excel中用參數法的
直接法計算風險價值VaR 131
4.2.2在Excel中用參數法的移動
平均法計算風險價值(VaR) 134
4.3使用Matlab軟件計算
風險價值(VaR)的案例 135
4.3.1數據描述 135
4.3.2采用的模型和方法 135
4.3.3計算結果 140
4.3.4模型評價和比較 156
4.3.5  主要結論 161
4.4實驗四：金融市場風險的
VaR計算實驗 162
4.4.1實驗目的 162
4.4.2實驗原理 162
4.4.3實驗內容 162
4.4.4實驗步驟 163
4.4.5實驗報告要求 164
本章小結 164
思考討論題 165
第5章資產組合的計算 166
5.1資產組合基本原理 166
5.1.1收益序列與價格序列間的
轉換 167
5.1.2協方差矩陣與相關繫數
矩陣間的轉換 169
5.1.3資產組合收益率與方差 174
5.2資產組合的有效前沿 176
5.2.1兩種風險資產組合收益
期望與方差 176
5.2.2均值方差的有效前沿 177
5.2.3帶約束條件的資產組合的
有效前沿 178
5.3用Excel進行資產組合計算的
案例 180
5.4用Matlab進行資產組合計算的
案例 194
5.4.1投資組合常用函數 194
5.4.2投資組合的有效前沿 203
5.4.3投資組合的最優資產分配 206
5.5實驗五：投資組合分析計算實驗 210
5.5.1實驗目的 210
5.5.2實驗原理 210
5.5.3實驗內容 211
5.5.4實驗步驟 212
5.5.5實驗報告要求 212
本章小結 212
思考討論題 213
第6章金融衍生品的計算 214
6.1金融衍生品 214
6.1.1金融衍生品的基本概念 214
6.1.2金融衍生品的種類 215
6.1.3金融衍生品的功能 216
6.1.4金融衍生品的風險管理 217
6.1.5我國金融衍生品市場的
發展現狀 219
6.2期權 220
6.2.1期權的概念 220
6.2.2期權的分類 221
6.2.3股票期權的利潤函數 221
6.3Black-Scholes期權定價模型 227
6.3.1Black-Scholes方程 227
6.3.2歐式期權價格函數 229
6.3.3期貨期權定價 231
6.3.4隱含波動率 232
6.4Black-Scholes期權價格的
敏感性分析 233
6.5期權定價的二叉樹法 237
6.5.1二叉樹期權定價模型 237
6.5.2二叉樹定價函數 239
6.6投資組合套期保值策略 241
6.6.1套期保值的基本原理 242
6.6.2利用保護性看跌期權策略
進行套期保值 242
6.6.3利用期權敏感性參數
進行套期保值 246
6.7實驗六：金融衍生品定價
計算實驗 248
6.7.1實驗目的 248
6.7.2實驗原理 248
6.7.3實驗內容 248
6.7.4實驗步驟 249
6.7.5實驗報告要求 249
本章小結 249
思考討論題 250
第7章固定收益證券計算 251
7.1固定收益證券的基本概念 251
7.1.1固定收益證券 251
7.1.2美國固定收益證券的種類 253
7.1.3固定收益證券的定價 254
7.1.4固定收益證券的
久期與凸性 258
7.1.5利率的期限結構 259
7.2用Excel進行固定收益證
券分析案例 261
7.3用Matlab進行固定收益證券計算 266
7.3.1現值和終值的計算 266
7.3.2計算內部收益率 269
7.3.3固定收益證券產品的定價 270
7.3.4固定收益證券的
久期與凸性 273
7.3.5利率的期限結構 274
7.4實驗七：固定收益證券計算實驗 276
7.4.1實驗目的 276
7.4.2實驗原理 277
7.4.3實驗內容 277
7.4.4實驗步驟 278
7.4.5實驗報告要求 279
本章小結 279
思考討論題 279
第8章信用評分與行為評分 280
8.1信用評分與行為評分的基本概念 280
8.1.1信用卡與信用卡管理 280
8.1.2社會征信體繫 281
8.1.3信用評分與行為評分 283
8.2建立信用評分卡的統計學方法 283
8.2.1信用評分的統計學
方法簡介 283
8.2.2判別分析 284
8.2.3回歸分析 291
8.2.4分類樹法 295
8.2.5最鄰近法 301
8.3信用評分的非統計學方法 303
8.3.1線性規劃 304
8.3.2非線性規劃--整數規劃 308
8.3.3人工神經網絡 309
8.3.4遺傳算法 313
8.4行為評分模型及其應用 318
8.4.1行為評分簡介 318
8.4.2馬爾可夫鏈方法 318
8.4.3貝葉斯-馬爾可夫鏈方法 324
8.5案例 328
8.6實驗八：個人信用綜合評分實驗 337
8.6.1實驗目的 337
8.6.2實驗原理 337
8.6.3實驗內容 347
8.6.4實驗指導 349
8.6.5實驗報告要求 353
本章小結 353
思考討論題 354
參考文獻 355

前言
隨著我國金融信息化的不斷推進和金融市場的快速發展，銀行、保險公司、證券交易所、證劵公司、基金公司、期貨交易所、黃金交易所、金融期貨交易所等各類金融機構每天都產生大量的金融數據。最近幾年，我國互聯網金融蓬勃發展，第三方支付、P2P網貸、眾籌融資、大數據金融和金融信息服務等互聯網金融企業每天也產生大量的金融數據，這些金融數據如同一座含有豐富信息和知識寶藏的礦山，等待我們去發掘。隨著大數據、雲計算、移動支付、數據科學、智慧金融等概念和技術的普及，使得人們越來越重視金融數據及其價值。如何從海量的數據中挖掘出有價值的新信息，並發現幫助企業創造價值的新知識，是我國金融行業中信息技術與金融業務深度融合發展面臨的主要課題，也是我國金融行業提高國際競爭力的關鍵。目前我國的金融企業和互聯網金融企業都急需大量能夠綜合運用數學理論、信息技術並精通金融業務的金融數據分析人纔和金融數據挖掘人纔。
本書主要針對金融領域中的問題，介紹如何通過建立數學模型，並運用Matlab、Excel等軟件工具進行計算的金融數據分析技術，通過金融行業的實際案例，全面介紹數據整理、模型建立、參數確定、計算處理、結果分析的完整過程，並給出詳細的上機實驗指導，幫助讀者自己親自體驗，以便讀者更好地掌握金融數據分析技術。希望本書的出版能為培養金融數據分析人纔做出一點貢獻，同時為大數據時代各行各業需要數據分析技術的人員提供參考。
本書共分為8章。第1章主要介紹金融數據庫的基本概念，國內外常用金融數據庫；第2章主要介紹Matlab、Excel等金融數據分析軟件工具的使用方法；第3章主要介紹金融時間序列分析；第4章主要介紹金融風險價值計算；第5章主要介紹資產組合計算；第6章主要介紹金融衍生品定價計算；第7章主要介紹固定收益證券計算；第8章主要介紹信用評分與行為評分。
目前我國出版的金融計算方面的教材大多隻針對已經掌握金融知識的讀者，重點介紹如何使用Excel、SAS、Matlab等軟件進行計算，這類教材對於數學、統計、信息、計算機等非金融類專業的讀者，需要花費大量時間補充金融知識。本書的特點是對每一個金融問題，首先簡單明了地介紹相關金融知識，力求每章自成體繫，不僅方便金融類專業的讀者使用，更方便非金融類專業的讀者使用。本書的另一個特點是通過金融行業的實際案例，全面介紹數據整理、模型建立、參數確定、計算處理、結果分析的完整過程，並給出詳細的上機實驗指導，幫助讀者親身體驗。
本書的第1、2、4、6章以及第3章的部分如林編寫，第3章的部分內容和第7章由李廣明編寫，第5章由羅遠編寫，第8章由關莉莉編寫，全書的統稿和Matlab計算的如林完成。
在本書的編寫過程中，我們參考了許多經濟學和金融學的書籍，特別參考了許多應用數學軟件如Matlab、SAS、SPSS、Excel等進行金融計算的書籍，還參閱了網上相關內容，也得到許多領導和同事的關心和幫助，在此一並向他們表示衷心的感謝！
由於編者水平有限，特別是本書的內容涉及多學科交叉，疏漏、不足和錯誤之處在所難免，懇請讀者批評指正。
本書獲得了中央與地方共建上海金融學院金融信息團隊建設項目和上海金融學院教學質量工程(特色教材)項目的資助。


編  者  

第1章金融數據庫
   【學習要點及目標】
* 掌握金融數據庫的概念。
* 了解金融數據庫的起源、作用及分類。
* 了解國外金融數據庫的概況和國內金融數據庫的概況。
* 了解金融數據庫的選擇標準，會選擇合適的金融數據庫。
【核心概念】
數據  數據庫  金融數據  金融數據庫  金融數據庫應用繫統  金融數據服務產業
1.1金融數據庫的概念
隨著我國金融信息化的不斷推進和金融市場的快速發展，銀行、證券交易所、證券公司、基金公司、期貨交易所、黃金交易所、金融期貨交易所等各類金融機構每天都產生大量的金融數據，最近幾年，我國互聯網金融蓬勃發展，第三方支付、P2P網貸、眾籌融資、大數據金融服務等互聯網金融企業每天也產生大量的金融數據，這些金融數據如同一座含有豐富信息和知識寶藏的礦山，等待我們去發掘。隨著大數據、雲計算、移動支付、數據科學、智慧金融等概念和技術的普及，使得人們越來越重視金融數據及其價值。
1.1.1金融數據庫的定義
金融數據庫就是運用金融理論和計算機數據庫技術，將金融機構運營過程、金融市場交易過程和互聯網金融企業中產生的各種金融數據進行采集、加工整理，並按一定格式存儲便於共享的金融數據集合。它常常與基於該數據庫的查詢檢索、統計分析、模型建立、計算處理等信息技術支持和服務一起，構成金融數據庫應用繫統，形成金融數據(信息)服務平臺，為金融投資、金融研究、金融教學等提供金融數據和相關服務。
1.1.2金融數據庫的起源
隨著現代金融學和金融市場的發展，無論是進行金融投資，還是進行金融學研究和教學，都離不開金融數據。對於金融機構和互聯網金融企業的從業人員來說，金融數據是他們進行金融投資活動和開展研究的必要基礎。對於金融數學、金融統計學、金融工程學、金融信息學、計算金融學、實驗金融學等學科領域，金融數據是一個重要的基礎，研究者隻有收集到全面、準確和完整的數據，纔能進行有意義的經濟與金融研究。
早期的實證研究者需要花費大量的時間自己進行數據收集整理，不僅影響了研究進度，而且常常因收集的數據不全面、也不一定準確，還會影響研究的結果。另一種情況是，有很多金融數據，普通研究者和普通研究機構難以搜集到，甚至根本無法搜集到，使相關研究無法進行。由於對金融數據的需求越來越迫切，人們越來越注重對金融數據的收集、整理和共享，以便減少重復勞動，降低金融數據收集的成本。於是，專門提供金融數據庫的公司出現了，這是社會分工的結果。金融數據庫和金融信息服務平臺作為一種產品和一種服務，逐漸被人們所接受，並且誕生了一個新興行業--金融數據服務業。
金融數據服務業是現代金融服務行業的基礎和金融創新的源泉。在金融市場比較發達的國家，金融數據服務業的從業人數和資本投入規模都占整個金融服務業很大的一部分。金融數據服務行業在經營範圍、安全性、保密性、可靠性和其他監管等方面都有嚴格的要求，其兼具金融和技術行業特點的性質，決定了其與其他信息服務和技術服務業的區別。由於金融數據和金融技術平臺會同時用於銀行、證券、保險和基金等不同的金融服務業，在中國金融行業分業經營分業監管的環境下，更顯示出第三方獨立的金融數據服務行業的必要性。按照目前互聯網金融的分類，金融信息服務屬於互聯網金融六大主要類型之一，金融信息服務主要包括金融數據服務、信用信息服務、金融信息門戶網等。我國的金融數據服務是互聯網金融中發展最早且最成熟的類型，已有20多年的發展歷史，不少金融數據服務企業已經是上市公司。
金融數據服務行業的主要業務範圍是：對包括個人和企業數據在內的各種金融數據(包括一些用於評估企業和個人信用的非傳統金融數據，如企業電子商務網站的瀏覽量、商品的關注時間、收藏率、交易量等數據，還有財經論壇、博客、微博、微信等文本數據)進行收集、彙總、標準化和發布；提供各種專業的數據定制服務；在原生金融數據的基礎上發布相關指數和市場公共基礎數據；搭建適用於金融及相關行業的信息技術平臺，提供解決方案(包括金融交易繫統、清算結算繫統、風險控制繫統、信息管理繫統、數據整合/分析和報告平臺、數據挖掘/處理和分析平臺、建立和維護投資監控平臺等)；利用金融數據開展金融分析、資產定價和風險評估；在金融數據基礎上設計金融產品和搭建金融模型；研究資產定量管理方法和金融產品量化交易策略；提供與金融數據相關的咨詢和外包服務等。
1.1.3金融數據庫的作用
金融數據庫是為金融投資者、金融研究者提供的金融信息服務的基礎，在金融投資活動和研究、金融實證研究和金融教學中都有十分重要的作用。
1．有效節約研究者搜集數據、整理數據的時間以提高研究效率
通過金融(研究)數據庫提取所需數據可金融研究者收集數據、驗證數據與計算數據的寶貴時間，提高研究效率。據統計，在沒有完整、準確的金融數據庫情況下，研究者一半以上的時間都花在收集、整理數據上，有時甚至會花費80%的時間用於金融數據的收集、整理，不僅效率低且易出錯。並且，有很多金融數據，普通研究者和普通研究機構難以搜集到。有了金融數據庫後，研究人員可以直接得到研究所需的金融數據，無需花費大量的時間進行相關金融數據的搜集整理，而且專門的金融數據庫提供商，能夠提供更為全面、更為完整和更為準確的高質量的金融數據，使學術研究尤其是實證研究的效率顯著提高，成果明顯增加。
2．降低研究者和研究機構的數據獲取成本
與分別從不同的金融數據源機構購買數據比較而言，直接購買金融數據庫，可大幅研究者，特別是研究機構的數據獲取的資金成本，而且並不是所有的金融數據源機構都願意出售零星小批量的數據。
3．可以為研究者提供各種專業的數據定制服務
金融研究者不僅需要原始的金融數據，有時也進行數據合並、變換、計算衍生指標等，甚至需要一些特別定制的金融數據，大量數據的整理計算的難度往往很大，需要一些技術含量高的信息處理技術，這些信息處理技術的學習也需要大量的時間投入，而提供金融數據庫的專業的金融信息服務企業也提供各種專業的數據定制服務，包括特殊需求的數據整理、模型建立和計算程序體設計等服務，支持研究者的研究，讓研究者可以專注於金融問題本身的研究。
4．采用同一金融數據庫有利於研究結果的比較
如果每個研究者都使用自己搜集的數據，相關指標的計算處理標準不統一，其研究結果很難進行比較。而采用同一金融數據庫，可使標準統一，有利於研究結果的比較。
5．為金融學教學提供輔助工具並幫助培養急需的相關人纔
金融數據庫為金融學教學提供了很好的輔助工具，教師可運用金融數據庫的數據對各種理論、模型進行演示，使學生能夠比較直觀地掌握深奧的理論知識和分析方法，從而提高教學效率與質量。運用金融數據庫的專業數據，還可以對經典文獻、經典模型進行方便的檢驗，在檢驗的過程中發現"偏差"和不同市場的特色，從而構建自己的模型，在前人研究的基礎上進行新的嘗試，拓展研究思路，培養學生的創新能力。
最近幾年，大數據已成為大家耳熟能詳的名詞，金融大數據如同一座含有豐富信息和知識寶藏的礦山，有待去發掘。隨著大數據、雲計算、移動支付、數據科學、智慧金融等概念和技術的普及，使得人們越來越重視金融數據及其價值。如何從海量的數據中挖掘出有價值的新信息，並發現幫助企業創造價值的新知識，是我國金融行業中信息技術與金融業務深度融合發展面臨的主要課題，也是我國金融行業提高國際競爭力的關鍵。金融數據庫有助於培養我國的金融企業和互聯網金融企業都急需的能夠綜合運用數學理論、信息技術並精通金融業務的金融數據分析人纔和金融數據挖掘人纔。

1.1.4金融數據庫的分類
目前，金融數據庫已經發展到比較成熟的階段，國內外市場上已有各種金融數據庫。按照不同的標準，可將其劃分為多種類型。
(1) 按金融數據庫的內容和用途的不同，分為行情咨詢數據庫和研究型數據庫。
行情咨詢數據庫主要提供金融市場實時交易行情等咨詢類數據，重點在保證金融市場數據的實時性、直接性、準確性，不需要對數據進行加工整理。數據庫主要為投資者服務，使用對像以各類投資者為主。
研究型數據庫是為研究人員提供服務，它不僅提供原始數據，還為研究者提供一繫列對原始數據按專業標準進行深層加工整理得到的各類常用數據指標，包含研究人員需要的更為全面的數據，很多研究性金融數據庫提供商還同時提供宏觀經濟數據，方便研究人員使用。
有的金融數據庫提供商同時提供金融市場實時交易行情(包括高頻數據)等咨詢類數據和研究型數據，形成完整的數據服務平臺。
(2) 按金融數據的種類不同，分為單一金融數據庫和綜合金融數據庫。
單一金融數據庫主要提供單一種類的金融市場的相關數據，如股票數據庫、外彙數據庫、債券數據庫等，甚至還可以是專門的鋼鐵交易數據庫等。這類數據庫雖然數據範圍相對狹窄，但是通常更加專業和精細，可以提供更為多樣的衍生指標和專題數據。
綜合金融數據庫通常提供多個金融市場的相關數據。很多投資者特別是機構投資者都在多個金融市場進行投資，研究者也要進行跨市場研究，綜合金融數據庫正適合了他們的需求。
金融數據庫的綜合化已經成為一種趨勢，越來越多的金融數據庫提供商在不斷擴大數據範圍，同時提供利率、彙率、通貨膨脹率等宏觀數據，以及各類行業數據，甚至法律信息和與金融有關的政治、社會和科技信息。
1.1.5金融數據庫的選擇標準
評價和選擇金融數據庫的標準主要有以下幾個。
(1) 設計體繫科學、合理。
(2) 數據內容完整、準確。
(3) 相關衍生指標計算正確。
(4) 使用方便，服務完善。
(5) 數據庫的結構穩定。
(6) 數據更新及時。
選擇金融數據庫時，還要考慮數據的下載方式、對二次開發的支持、與研究和教學的適合度等，選擇一個適合自己用途的金融數據庫。
1.2國內外常用金融數據庫簡介
1.2.1國外金融數據庫的概況
國際著名的金融數據庫有美國芝加哥大學商研所金融研究中心的CRSP數據庫(The Center for Research in Security Prices)、美國著名的信用評級公司標準普爾(Standard & Poor's)的Compustat數據庫以及紐約交易所TAQ數據庫等。
1．CRSP簡介
CRSP(Center for Research in Security Prices，證券價格研究中心)是美國芝加哥大學商研所金融研究中心的產品。CRSP搜集了市場中最詳盡的歷史數據，由於它的準確性和權威性，自1960年以來，即成為學界及商界的主要數據來源。CRSP收集的美國股票和指數數據庫的來源主要為紐約證券交易所(NYSE)、美國證券交易所(AMEX)及納斯達克證券交易所(Nasdaq)的上市公司的股票數據，包括每日交易的數據，如股票收盤價等歷史數據、美國企業活動信息、企業沿革、並購及聯盟狀況、資本回收、現金流量等基本財務數據。收錄年代情況：紐約證券交易指數，其資料始自1925年12月31日；美國證券交易指數；其資料始自1962年7月2日；納斯達克證券交易指數，其月資料始自1972年12月29日，日資料始自1972年12月14日。
網址：http://www.crsp.com/ 或http://www.crsp.uchicago.edu。
2．Compustat
Compustat數據庫是美國著名的信用評級公司標準普爾(Standard & Poor's)的產品。數據庫收錄有全球100多個國家中的5萬多家上市公司及北美地區公司的詳細季度和年度財務報表與財務指標的歷史數據，其中包括7000多家亞洲的上市公司，還提供103個國家的24000家公司的國際化信息，收錄近20年上市公司的財務數據，另外還提供北美回溯版，即400家公司自1950年以來的財務資料；提供約180種模板報表及上市或非上市公司財務數據等信息；並且整合最新或歷史性的主要財務數據，利用該數據庫提供的Research Insight軟件可以進行公司及公司財務、行業等分析，制作各種報表及動態圖表。應用的研究領域包括資產分析、計量分析、競爭者分析、公司資本結構、財務比率、合並與購並、研究與開發(R&D)、資本及存貨投資、股市報酬及資本市場效率等主題。
標準普爾的網站：http://www.standardandpoors.com/。
Compustat網址：http://www.compustat.com。
3．NYSE TAQ
NYSE TAQ是紐約證券交易所(NYSE)的交易和報價(TAQ)高頻數據庫。NYSE TAQ數據集是"綜合的"(Consolidated)，它包括所有在紐約證券交易所、美國證券交易所(AMEX)和納斯達克(NASDAQ)的全美市場繫統(National Market System，NMS)及小盤股(Small Cap) 板塊掛牌證券的日內交易數據(交易和報價)。TAQ高頻數據覆蓋自1993年至今，ISSM(另一高頻數據庫)的數據是從1983年至1992年。
TAQ數據集的規模很大。在2007年1月，報價和交易數據集的大小分別是121.7G和12.3G。如果加上指標數據集(綜合報價數據集有52.1G的指標數據集，而綜合交易數據集有7.4G的指標數據集)，僅僅一個月的數據量就十分巨大。一般而言，NYSE TAQ數據庫每個月有4個數據集，即綜合報價數據集、綜合交易數據集、紅利數據集和主文件數據集(Master File)。
4．PACAP Databases
PACAP Databases是由美國羅德島大學環太平洋資本市場研究中心(Pacific-Basin Capital Markets Research Center)建立、維護和發布的研究數據繫統。PACAP的數據庫連續和繫統地跟蹤包括泰國、菲律賓、中國臺灣、中國香港、新加坡、馬來西亞、韓國、日本等8個環太平洋國家和地區的主要證券交易所的廣泛信息：每日的股票價格和回報、資本分派、財務報表、市場指數和回報以及經濟統計數據。PACAP的數據庫包含從1975年開始的歷史數據的彙編，每年9月進行年度更新。為便於比較，所有國家都使用一個統一的格式。因此，PACAP的數據庫是一個極其寶貴的集學術研究、教學、投資組合管理和資本市場發展於一體的信息源，目前是環太平洋地區資本市場研究的首選數據庫，使用其數據的論文廣泛見於Journal of finance(《金融雜志》或《財務雜志》)、Journal of Financial Economics(《金融經濟學雜志》)等國際一流期刊。PACAP多年以來一直以其高品質的數據庫產品服務於世界一流大學的研究機構以及全球亞太地區資本市場的研究者。
網址：http://www.cba.uri.edu/PACAP。
5．Reuters
路透社(Reuters)是世界前三大多媒體新聞通訊社，有2300多名新聞編譯人員，有197所分社在130個國家運行。路透社提供新聞報道和金融數據給報刊、電視臺等各式媒體，並向來以迅速、準確享譽國際。另外，路透社提供金融產品及服務，如股票價格和外彙彙率，讓交易員可以分析金融數據和管理交易風險；同時路透社的繫統讓客戶可以經由互聯網完成買賣，取代電話或是紐約證券交易所的買賣大廳等人工交易方式，它的電子交易服務串連了金融社群。路透社的金融信息服務分為4個部分：買賣與交易、研究與資產管理、企業服務和媒體服務，其中超過90%的收入來自金融服務業務：對股票、外幣彙率以及債券等資訊的分析、處理、發送及其相關產品的開發。
路透社提供的主要金融產品及服務有辦公及會計支持繫統、商品及能源、企業服務、交易決策、Elektron(電子)托管、新興市場、股票及衍生工具、固定收益、外彙和貨幣市場、對衝基金解決方案、獨立顧問、個人交易者/投資者、投資管理、交易後服務、定價和參考數據、定量研究及貿易、實時解決方案、風險管理、供應方的研究、財富管理等。
2008年路透集團與湯姆森合並，更名為湯姆森路透，成為彭博新聞的主要對手，兩者的市場份額均為1/3左右。
網址：http://thomsonreuters.com。
6．Bloomberg
彭博通訊社(L.P. Bloomberg)是由邁克·盧本斯·布隆伯格於1982年創立的經濟性媒體集團，在短短的20多年時間裡就超過有著150年歷史的路透集團，成為當時全球最大的金融信息服務提供商。彭博通訊社是服務於全球的信息和新聞媒體機構，總部設在紐約，全球共有100多家辦事處、分社或分支機構。彭博新聞是以1990年開始的財經新聞發展起來的，現在已在全球設立87個分社，擁有1500名編輯和記者。現今的彭博通訊社提供了許多方式來了解其資訊，包括電視頻道、廣播、網絡和刊物。
在國際金融界，彭博資訊的旗艦產品--"彭博專業服務"，將新聞、數據、分析工具、多媒體報告和"直通式" 處理繫統前所未有地整合在單一的平臺上，通過彭博終端(彭博機)為客戶提供服務。彭博終端是一套讓專業人士訪問"彭博專業服務"(Bloomberg Professional Service)的計算機繫統。用戶通過"彭博專業服務"可以查閱和分析實時的金融市場數據以及進行金融交易。"彭博專業服務"的目標客戶為金融證券投資領域的專業人士。彭博資訊終端不僅是有價值的信息渠道，也像征著使用者的身份和地位。獨立性、權威性、豐富性是彭博資訊的成功之道。大多數大型金融機構使用彭博社提供的服務，每臺彭博終端每個月的租金是15。此外，用戶通過彭博終端訪問來自交易所的實時報價時需要繳納額外的費用，這筆費用是支付給提供報價的交易所的。一些新聞機構也通過彭博終端為客戶提供付費新聞。目前彭博社在全球約有30萬臺終端機，其帶來的銷售收入占其總營業收入的85%左右。
網址：http://www.bloomberg.com/。
7．WRDS
WRDS(Wharton Research Data Services，沃頓研究數據服務)是由賓夕法尼亞大學沃頓商學院開發的金融領域的跨庫研究工具，它整合了Compustat(標準普爾)、CRSP(芝加哥大學)、TFN(Thomson，湯姆森公司)及TAQ(紐約交易所)等著名數據庫產品。同時，WRDS也提供包括CBOE(芝加哥期權交易所)等10個公開數據庫。該平臺是基於Web的整合型數據訪問服務平臺，可使數據庫檢索更便利，並提供驗證數據正確性以及數據庫的整合等功能。
網址：https://wrds-web.wharton.upenn.edu/wrds/。
8．Dow Jones Company
Dow Jones Company(道·瓊斯公司)創立於1882年，是世界一流的商業財經信息提供商，同時也是重要的新聞媒體出版集團，總部設在美國紐約。道·瓊斯公司旗下擁有報紙、雜志、通訊社、電臺、電視臺和互聯網服務，在全球擁有近1700名新聞從業人員。道·瓊斯編發的股票價格指數更是家喻戶曉。2007年8月1日，道·瓊斯與新聞集團發布聯合聲明，宣布雙方已簽署合並協定，新聞集團以5收購道·瓊斯。
道·瓊斯指數(Dow Jones Index)由道·瓊斯公司負責編制並發布，登載在其屬下的《華爾街日報》上。歷史上第一次公布道·瓊斯指數是在1884年7月3日，當時的指數樣本包括11種股票，由道·瓊斯公司的創始人之一、《華爾街日報》首任編輯查爾斯·亨利·道(Charles Henry Dow)編制。1928年10月1日起其樣本股增加到30種並保持至今，但作為樣本股的公司已經歷過多次調整。道·瓊斯指數是算術平均股價指數。道·瓊斯30種工業股票平均價格指數於1896年5月26日問世。現在，道·瓊斯編制發布4000多種指數，其中包括道·瓊斯工業股票平均價格指數(即聞名於世的道·瓊斯指數)、道·瓊斯全球股票指數、道·瓊斯互聯網股票指數以及專門為中國市場編制的道中指數、道中88指數、道滬指數及道深指數等。
網址：http://new.dowjones.com/。
1.2.2國內金融數據庫概況
1．"新華08"
"新華08"於2007年9月20日正式運行，是新華社采用先進的信息與通信技術，自主研發的金融信息服務平臺，以終端形式為經濟管理部門、金融機構和大中型企業參與國內外債券、外彙、股票、黃金、期貨和產權交易，提供交易前的信息收集和分析、交易中的訂單遞交和風險管理、交易後的清算結算和信息反饋服務，是將實時資訊、行情報價、歷史數據、研究工具、分析模型和在線交易融為一體的金融信息綜合服務繫統。
該平臺日發稿過萬條，實現了多媒體發布；將國內股票、債券、外彙、期貨、黃金、產權等實時行情整合在一個平臺上，並實現同一界面展示；自主研發了40個金融模型，精確度超過路透社的繫統，可以達到小數點後8位；建立了覆蓋國內所有地市的價格監測采集網絡，並在海外23個重點城市設立了價格采集點，成為中國大陸首家進駐華爾街進行金融信息采集的機構。"新華08"的推出，標志著我國建立了主流、權威、繫統的經濟、金融信息發布渠道，必將大大提升我國在國際金融領域的話語權與競爭力，對我國金融市場發展具有裡程碑式的重要意義。國際金融中心建設不僅僅是股票市場和金融機構，更重要的還要有金融信息的收集、發布，這對上海提高金融中心建設中的軟實力極為關鍵。
網址：http://www.xinhua08.com。
2．大智慧
上海大智慧股份有限公司(簡稱"大智慧")的前身是上海大智慧網絡技術有限公司，成立於2000年12月14日，2009年12月整體變更為股份有限公司，於2011年1月28日在上海證券交易所上市，股票簡稱大智慧，股票代碼為601519。
該公司致力於以軟件終端為載體，以互聯網為平臺，提供及時、專業的金融數據和數據分析，是中國領先的互聯網金融信息服務提供商，在行業內具有重要影響力。該公司積極拓展國際市場，以期成為在世界範圍內具有影響力的金融信息綜合服務提供商。
該公司提供的主要產品有大智慧365、大智慧策略投資終端、DTS大智慧策略交易平臺、大智慧專業版、大智慧金融終端、大智慧港股通、期貨專業版、手機專業版、輿情數據終端PAD版、投資家(機構版)、金融工程實驗室、大智慧分析家等。該公司產品的日均線上用戶數量已超過1000萬。
大智慧公司於2010年8月收購了香港最大的財經信息公司--阿斯達克網絡信息有限公司。該公司(Aastocks.com Limited)成立於2000年4月，現已成為香港和大中華地區內最具權威、增長速度最快的財經信息服務供應商之一。2012年初，大智慧收購世華財訊及其核心團隊。
網址：http://www.gw.com.cn/。
3．世華財訊
世華財訊是由中國數碼信息有限公司(香港交易所上市公司)旗下控股公司--北京世華國際金融信息有限公司管理經營的產品和服務品牌。世華財訊擁有20多年的專業財經資訊服務經驗，為金融機構、高校、企業及媒體提供財經資訊終端與授權服務。世華財訊提供實時財經數據與行情、全球財經資訊與分析研究，涵蓋宏觀經濟、證券、外彙與商品市場及主要行業。世華財訊的i-cube理財雙屏終端、a-cube理財終端產品繫列是專業投資者制定跨市場與全球投資決策、行業趨勢預測與分析的主要參考工具。2012年初，世華財訊及其核心團隊被大智慧收購。
網址：http://www.shihua.com.cn/。
4．國泰安CSMAR繫列研究數據庫
CSMAR中國財經數據庫是深圳市國泰安信息技術有限公司(以下簡稱"國泰安")的產品，該公司自2000年成立以來，致力於為教育機構、研究機構、金融機構及學者提供世界一流的中國財經數據庫、金融實驗室建設、高端金融分析工具和金融專業培訓。
CSMAR中國財經數據庫的研發理念充分借鋻了芝加哥大學的CRSP、標準普爾的Compustat、紐約交易所的TAQ、Thomson、GSIOnline等國際知名數據庫的成功經驗，並結合中國國情精心設計而成。該數據庫是國內目前規模最大、信息最精準的金融、經濟數據庫，由股票、基金、債券、金融衍生產品、上市公司、經濟、行業、高頻數據八大繫列及個性化數據服務構成。
公司的其他產品和服務有金融實驗室、全球金融信息分析繫統--"國泰安市場通"、國泰安股指期貨套利繫統、國泰安算法交易繫統V1.0和金融專業培訓等。
網址：http://www.gtafe.com/ 或 http://www.gtarsc.com/。
5．聚源金融數據庫
聚源數據是恆生聚源數據服務有限公司成功開發的內容完備、功能強大的金融數據庫，並針對國內、國際不同類型投資群體的需求，設計推出具有獨特優勢的證券信息數據應用分析工具繫列產品，主要為銀行、保險、券商、基金、信托、期貨、資產管理公司、學術單位等提供各種業務數據支持服務。該數據庫以中國金融市場為核心，逐步完善黃金、外彙、境外資本市場等方面的信息數據。經過具有豐富經驗的資深數據處理專家的共同努力，數據處理的技術手段和管理流程都居於行業的領先水平，數據的準確性、及時性、全面性和規範性得到了廣大金融機構的高度認可。10多年來，恆生聚源數據服務有限公司已迅速確立在國內金融數據服務領域的領先地位，是中國金融資訊數據質量最好的數據供應商之一。
聚源數據是一個立足於中國資本市場的金融數據提供商，現已形成以證券數據服務為核心，以其他金融、財經數據為輔助的龐大的、一流的金融數據庫，為專業機構提供分析應用數據庫、網站建設數據庫以及其他方面的應用數據庫產品。
聚源數據又是一個金融數據分析工具提供商，以聚源金融數據庫為基礎，針對不同的客戶需要，開發了多種信息產品和金融分析應用繫統，包括聚源數據工作站、聚源鵬博資訊繫統、聚源證券資訊終端。
聚源數據也是一個金融數據增值服務提供商，為客戶提供個性化的數據統計、信息定制、專項調研服務。
聚源數據還是一個軟件和繫統化解決方案的提供商，以金融數據應用為核心、以協同管理為目標，面向所有金融行業的客戶服務、運營管理、業務應用提供強大的技術支持和綜合解決方案，其核心構件包括聚源知識管理平臺、券商營業部信息咨詢服務平臺等。
網址：http://www.gildata.com。
6．萬得
萬得(Wind資訊)是中國大陸領先的金融數據、信息和軟件服務企業，總部位於上海陸家嘴金融中心。Wind資訊數據服務(Wind Datafeed Service，WDS)可以提供歷史參考數據、實時行情數據、歷史高頻行情數據等，內容包括股票、債券、期貨、外彙、基金、指數、權證、宏觀行情等多個品種，基本資料、實時行情、報價、財務數據、權益數據、公司行動、高頻數據等多種類型，全天候(一周7天×24小時，一年365天)不間斷地為金融機構、政府組織、企業、媒體等提供高質量、低延遲、運行穩定、接口便捷的金融數據服務。
歷史參考數據：內容涵蓋中國資本市場主要金融品種及香港證券市場的交易數據、財務數據及各類公開披露的信息。包括：上海證券交易所和深圳證券交易所全部上市公司的基本資料、發行資料、交易數據、分紅數據、股本結構、財務數據、公司公告及其他重要信息等；開放式基金和封閉式基金的發行上市資料、基金淨值、投資組合、收益和分紅數據、定期報告、財務數據等；國債、企債、金融債、可轉債、央行票據等債券的基本資料、計息和兌付數據、交易數據等；中國證券市場指數(滬深交易所指數、銀行間債券市場指數、MSCI中國指數、新華富時指數、中信指數、申銀萬國指數等)和海外市場指數的基本資料和交易數據；國內各期貨交易所期貨合約資料及交易數據；貴金屬交易數據；外彙交易中心交易數據；港股基本資料數據等。
實時行情數據：已經接入國內及我國香港地區、我國臺灣地區、新加坡、美國等30個市場的實時行情；洞悉市場成交額的波動變化；獲得可執行的價格采集全面市場數據。
高頻行情數據：覆蓋國內多家交易所，采集全面市場數據，各種時間序列數據，如逐筆成交數據、分時快照記錄等；國債、企業債、金融債、可轉債、央行票據等債券的基本資料、計息和兌付數據、交易數據等。
在金融財經數據領域，Wind資訊已建成國內最完整、最準確的以金融證券數據為核心的一流的大型金融工程和財經數據倉庫，數據內容涵蓋股票、基金、債券、外彙、保險、期貨、金融衍生品、現貨交易、宏觀經濟、財經新聞等領域，新的信息內容在第一時間進行更新以滿足機構投資者的需求。針對金融業的投資機構、研究機構、學術機構、監管部門機構等不同類型客戶的需求，Wind資訊開發了一繫列圍繞信息檢索、數據提取與分析、投資組合管理應用等領域的專業分析軟件與應用工具。通過這些終端工具，用戶可以全天候地從Wind資訊獲取到及時、準確、完整的財經數據、信息和各種分析結果。Wind資訊緊密跟隨金融市場日新月異的發展，不斷向新的領域發展，新的產品和服務戰略不斷在延伸。
網址：http://www.wind.com.cn。
7．銳思數據
北京聚源銳思數據科技有限公司(RESSET，簡稱銳思數據)成立於2006年5月，是一家專門從事金融研究數據庫和相關投資研究軟件研發的高科技企業。RESSET公司由眾多國內外金融和數據庫領域的資深專家，在多年研發儲備和經驗積累的基礎上聯合成立。銳思數據英文名稱RESSET是Research(研究)和Set(集合)的縮寫，中文音譯"銳思數據"。目前公司擁有金融研究數據庫(RESSET/DB)、教學輔助軟件(RESSET/CAD)、學術成果共享平臺(RESSET/RS)、數據庫集成檢索繫統(RESSET/DBM)、債券分析繫統(RESSET/BOND)五大核心軟件產品。RESSET提供各種專業的服務，包括數據定制、統計計量建模和咨詢反饋等數據定制及咨詢服務。
網址：http://www.resset.cn/cn/。
8．錢龍
乾隆集團成立於1993年，為香港上市公司(簡稱"乾隆科技"，代碼為8015)，專業從事金融領域信息技術產品的開發、生產和銷售。乾隆集團旗下擁有上海乾隆高科技有限公司、上海乾隆網絡科技有限公司和上海信龍信息科技有限公司，總部位於金融企業雲集的上海陸家嘴金融中心，並於全國各證券業重點地區設有分公司、辦事處及授權銷售服務中心，共同形成了一個覆蓋全國的、能夠為各類企業或個人用戶提供完善的產品和服務的體繫。
乾隆公司旗下擁有著名的"錢龍"品牌，其繫列產品涵蓋了實時行情和委托交易平臺、實時證券分析終端、金融數據庫、實時資訊數據服務、信息發布服務、Web金融服務平臺、金融教學繫統等各個領域。歷經10多年的發展，錢龍，已經成為中國領先的實時金融資訊和服務的品牌。乾隆集團旗下擁有錢龍資訊網和錢龍天地兩個網站。錢龍資訊網主要為錢龍企業版用戶提供服務，錢龍天地主要為錢龍個人產品用戶提供服務。
網址：http://www.qianlong.com.cn。
9．其他金融數據庫
其他金融數據庫還有以下幾個。
同花順(http://www.10jqka.com.cn/)
指南針(http://www.compass.cn/)
東方財富網(http://www.eastmoney.com/)
金融界(http://www.jrj.com.cn/)
和訊(http://www.hexun.com/)
第一財經(http://www.yicai.com/)
新浪財經(http://www.sina.com.cn)
搜狐財經(http://business.sohu.com/)
金融機構、新興財經網站如騰訊財經、新浪財經、搜狐財經等、傳統媒體、傳統媒體與新媒體結合的企業、部分外國金融信息服務提供商在內地的分支機構等。
1.2.3選擇合適的金融數據庫
選擇金融數據庫時，不僅要考慮內容的豐富性和完整性以及數據更新的及時性，還要考慮數據的下載方式、下載數據文件的存儲格式、對二次開發的支持、與研究和教學的適合度等，差錯率也是一個需要考慮的重要指標，還可參考其各類指數的豐富性、正確性和可用性及售後服務等。總之，要全面綜合權衡，選擇一個適合自己用途的金融數據庫。
1.2.4免費數據資源的獲取渠道
有些數據可從某些網站免費獲取，比如，雅虎財經頻道(網址為http://finance.yahoo.com/)有世界各主要金融市場的股票交易歷史數據供大家免費下載、新浪(網址為www.sina.com.cn)財經頻道有我國上市公司財務報表中的主要信息供大家免費下載，免費數據資源的獲取渠道還有中國國家統計局網站(網址為www.stats.gov.cn)、聯合國統計司網站(網址為www.unstats.un.org)、國際貨幣基金組織網站(網址為www.imf.org)、世界銀行網站(網址為www.worldbank.org)、國際貨幣基金組織統計資料庫網站(網址為www.imfstatistics.org)、大智慧交易平臺網站(網址為www.gw.com.cn)、外彙交易平臺網站(網址為www.metaquotes.net)等。
對於免費獲取的數據需要考慮其完整性和正確性，對缺失的和有錯誤的數據采取多來源校對、專門的處理技術等進行修補，可用於學習數據分析技術的目的。對於重要的研究項目和商業用途的研究和應用，除權威部門發布的正式數據外，不建議采用免費數據。
1.3銳思數據(RESSET/DB)使用簡介
1.3.1RESSET/DB的訪問途徑
銳思數據的訪問途徑有如下兩種。
(1) 通過官方網站進行登錄。
RESSET/DB金融研究數據庫官方網站地址：http://www.resset.cn。
進入RESSET主頁後，可以根據圖1.1的提示，登錄後訪問RESSET/DB數據庫。

圖1.1  銳思數據官方網站首頁
(2) 校內鏡像訪問地址：對於購買了RESSET/DB金融研究數據庫產品的學校，公司會在學校設立校內鏡像訪問地址，根據學校的通知網址、用戶名和密碼直接登錄即可使用。
對於通過官方網站進行登錄的用戶，單擊圖1.1所示RESSET網站導航條上的"RESSET數據庫"，即可進入"RESSET/DB金融研究數據庫"產品的登錄頁面，如圖1.2所示。

圖1.2 "RESSET/DB金融研究數據庫"產品的登錄頁面
至此，用戶就可以進行登錄，登錄後的首頁如圖1.3所示。未注冊的用戶可以進行注冊或者匿名進入。

圖1.3  登錄後的首頁

1.3.2用戶類別以及相應的權限
銳思數據的四種用戶類別及其相應的權限如下。
(1) 匿名用戶。匿名用戶可以查看/訪問所有的表，但隻能查看、下載每個查詢的前100條數據。
(2) 注冊用戶。注冊用戶是指在網站上填寫用戶信息，成功注冊並審核通過的用戶。可以訪問、查詢所有的表。隻能查看、下載每個查詢的前300條數據。
(3) 付費用戶。付費用戶是指正式簽約，付費購買數據的用戶。可以訪問、查詢所有的表。對於付費購買的模塊，沒有訪問限制，用戶可以查看、下載所有的數據，不受條數限制。
(4) 試用用戶。對於希望使用以決定是否購買的用戶，公司可以為其開通一個月的免費試用期，在免費試用期間，其權利與付費用戶相同。
1.3.3數據查詢與下載
用戶進行登錄後，繫統會直接切入到"RESSET/DB主頁面"。用戶也可以匿名登錄，進入數據查詢界面，但是權限和查詢的結果會受到一定的限制。
1．數據查詢界面
數據查詢界面如圖1.4所示。

圖1.4  數據查詢界面

RESSET/DB的Web版數據查詢界面可分為導航列表和主工作區兩部分。
上方的導航列表給出了所有的數據庫和表，並分類列示。可以通過該列表選擇要進行查詢的數據庫、數據表(數據集)。
導航列表的下面就是用來完成查詢過程、展現查詢結果的主工作區。
表1.1是RESSET/DB Ver 2.1金融研究數據庫目前的數據庫和數據表的分類清單，它與網站查詢界面頂部的下拉菜單列表是對應的。
表1.1  數據庫和數據表的分類清單
類別
數據庫名
數據表清單
股票
標識
最新股票信息、公司信息、三板股票信息

事件
名稱變更歷史、行業分類、行業變更歷史、證監會行業分類名稱代碼對照表、彙率、傭金與印花稅、首次發行與上市、處理、分配、公司股數變動歷史、股數變動歷史、股權分置分配、停牌、退市信息表

行情與分配
行情與分配、累積股價調整除子、日歷、行情

指數
指數信息、指數成分、指數行情、指數日收益、指數周收益、指數月收益、指數季收益、指數年收益

RESSET指數行情與收益
RESSET指數行情與收益

國際指數
國際股票指數信息、國際股票指數行情與收益

持有期收益
個股日收益、個股周收益、個股月收益、個股季收益、個股年收益、市場日收益、市場周收益、市場月收益、市場季收益、市場年收益

資本收益
個股日資本收益、個股周資本收益、個股月資本收益、個股季資本收益、個股年資本收益、市場日資本收益、市場周資本收益、市場月資本收益、市場季資本收益、市場年資本收益

累積收益
個股周累積收益、個股月累積收益、個股季累積收益、個股年累積收益、市場周累積收益、市場月累積收益、市場季累積收益、市場年累積收益

市值
個股日市值、個股月市值、個股年市值、市場日市值、市場月市值、市場年市值

個股CAPM風險因子 Beta
個股日收益Beta(年度數據)、個股日收益Beta(時點前數據)、個股月收益Beta(時點前數據)

行業組合CAPM風險因子 Beta
行業組合日收益Beta(年度數據)、行業組合日收益Beta(時點前數據)、行業組合月收益Beta(時點前數據)

三因子模型
三因子數據

權證
權證基本信息、權證創設及交易信息、權證行情、權證日收益、權證周收益、權證月收益、權證季收益、權證年收益

分筆交易數據
股票分筆交易數據、權證分筆交易數據、指數分筆交易數據

新準則財務報表
非金融行業資產負債表、非金融行業利潤和利潤分配表、非金融行業現金流量表、金融行業資產負債表、金融行業利潤和利潤分配表、金融行業現金流量表

舊準則財務報表
非金融行業資產負債表、非金融行業利潤和利潤分配表、非金融行業現金流量表、金融行業資產負債表、金融行業利潤和利潤分配表、金融行業現金流量表續表
類別
數據庫名
數據表清單
股票
審計意見表
審計意見表

資產負債表附注
貨幣資金、短期投資、應收賬款、其他應收款、預付賬款、存貨、長期投資、無形資產、短期借款、應付賬款、預收賬款、應交稅金、其他應交款、其他應付款、預提費用、一年內到期的長期借款、長期借款、預計負債、資本公積、盈餘公積

利潤表附注
主營業務稅金及附加、財務費用、投資收益、補貼收入、營業外收入、營業外支出

公司重大事項
公司擔保數據、公司關聯交易數據、資產重組數據、吸收合並數據

財務比率
財務比率表

股東權益
股東權益表

資產減值準備
資產減值準備表

公司治理
股權結構、董事會監事會特征及會議情況、執行層激勵

港股
港股信息、港股公司信息、港股首次發行與上市、港股分配、港股股本變動歷史、港股行情與分配、港股行情
固
定
收
益
銀行存款利率
銀行存款利率

基準利率
基準利率、回購定盤利率、月無風險利率、日無風險利率

標識與信息
債券標識、債券信息、可轉債轉股條款、可贖回可回售債條款、可轉債轉股信息、交易所債回購品種信息

事件
債券發行與上市、票面利率變動歷史

交易所交易數據
交易所債券行情、交易所回購行情、交易所債券分筆交易數據、交易所回購分筆交易數據

銀行間交易數據
銀行間信用拆借公開報價、銀行間信用拆借成交、銀行間信用拆借行情、銀行間回購公開報價、銀行間回購成交、銀行間回購行情、銀行間現券買賣公開報價、銀行間現券買賣小額報價、銀行間現券買賣雙邊報價、銀行間現券買賣對話報價、銀行間現券買賣成交、銀行間現券買賣行情

債券指數
債券指數信息、債券指數行情、銀行間債券指數行情

利率期限結構
樣本債券信息、多項式樣條法參數、指數樣條法參數、Nelson-Siegel Svensson模型參數
基金
標識與信息
基金信息、發起人信息、持有人信息、基金代碼對照表

事件
基金發行與上市、基金擴募發行、基金費率、基金紅利分配

淨值
基金淨值

行情
基金行情

基金分筆交易數據
基金分筆交易數據

投資組合
投資組合、股票投資明細、債券投資明細

財務指標
主要財務指標、資產負債表、利潤和利潤分配表續表
類別
數據庫名
數據表清單
宏觀
編碼對照
省市地區編碼對照表、產品編碼對照表、企業類型編碼對照表、行業編碼對照表

綜合
宏觀數據統計、各地區宏觀數據統計

國民經濟核算
國內生產總值、各地區國內生產總值

人口
人口、各地區人口

就業人員與職工工資
就業人員與職工工資、各地區就業人員與職工工資

固定資產投資
固定資產投資、各地區固定資產投資

價格指數
居民消費價格指數、各地區居民消費價格指數、商品零售價格指數、各地區商品零售價格指數、原材料燃料動力購進價格指數、企業商品價格指數

人民生活
人民生活與居民收支、各地區人民生活與居民收支

國內貿易
社會消費品零售總額、各地區社會消費品零售總額

對外經濟貿易
海關進出口、各地區海關進出口、利用外資、各地區利用外資

企業景氣指數與企業家信心指數
企業景氣指數與企業家信心指數

宏觀金融統計
中國貨幣與銀行概覽、中國金融機構人民幣信貸收支表、人民幣利率、貨幣供應、貨幣當局資產負債表、中國國際收支平衡表、中國外債表

財政收支
財政收支(全國)、財政收支(地方)

外彙
中國銀行外彙牌價、人民幣基準彙價表、各種貨折算率表、小額外幣利率

證券市場統計
證券市場概覽、證券市場賬戶、證券市場股本、證券市場交易
行業
編碼對照
省市地區編碼對照表、產品編碼對照表、企業類型編碼對照表、行業編碼對照表

主要產品產量和價格
主要產品產量數據統計、主要產品國際價格數據統計、主要產品國內價格數據統計、主要產品國內各地區價格數據統計

主要行業財務數據
各類型企業主要財務數據統計、各行業企業主要財務數據統計、各地區企業主要財務數據統計

工業數據統計
工業生產、各地區工業生產

工業品出廠價格指數
工業品出廠價格指數、各地區工業品出廠價格指數

農業數據統計
農業數據統計、各地區農業總產量統計

房地產指數
房地產價格指數、國房景氣指數

旅遊業數據統計
旅遊業數據統計、各地區旅遊業數據統計

郵政電信業數據統計
郵政電信業數據統計
黃金
黃金交易與分析數據
黃金交易與分析數據
外彙
外彙交易與分析數據
外彙交易與分析數據
期貨
期貨交易與分析數據
期貨交易與分析數據
國際
經濟
各國經濟統計
各國經濟統計

2．數據查詢主工作區
數據查詢主工作區的結構如圖1.5和圖1.6所示。

圖1.5  數據查詢主工作區(1)
在查詢過程中可隨時獲得幫助，並獲取數據表說明、數據起始時間、數據詞典、數據示例、模型公式等信息。
3．數據詞典頁面
單擊"數據詞典"鏈接後，就可以進入數據詞典頁面，如圖1.7所示。
頁面的主要內容如圖注所示，主要包括：
1) 標題部分
這是所查詢的數據表的中文名稱，在其後的括號裡面的是數據表的表名。
2) 概述部分
其內容包括本表的主要內容介紹、用途介紹、主要字段內容及特點等。

圖1.6  數據查詢主工作區(2)

圖1.7  數據詞典頁面
3) 數據起始時間(日期)
顧名思義，這部分給出了本表的最初數據的起始時間。對於"最新公司信息"、"最新股票信息"、"證監會行業分類代碼對照表"等數據表，由於其內容是最新的相關信息，所以沒有數據起始時間。對於宏觀和行業類的相關數據表，因為歷史上的統計方法和統計時間等的變化，為此也給出了相應的統計方法變更時間以及數據統計頻率。
4) 數據內容部分
該部分給出了所查詢的數據表的較為詳細的數據詞典，包括所有變量的變量名、中文全稱、相關注釋等。
對於本表和一些變量所涉及的背景知識、計算公式、應用模型等，也都給出了較為詳細的說明。
5) 特別注釋部分
有的數據表，對該表所涉及的一些概念、數據規格、計算公式、模型算法等，給出了比較詳細的注釋，如圖1.8所示。

圖1.8  詳細的注釋
例1.1在銳思數據繫統中選擇"固定收益"→"利率期限結構"→Nelson-Siegel Svensson (NSS)模型參數。