基本信息

書名:金融統計與數據分析

代碼：

作者:(美)戴維·羅伯特(David Ruppert)

出版社：機械工業出版社

出版日期：2018-08-01

ISBN：9787111604044

字數：755

頁碼：420

版次：1

裝幀：平裝

開本：16開

商品重量：

編輯推薦

內容提要

戴維·羅伯特著的《金融統計與數據分析/數據科學與工程技術叢書》是一本關於金融市場數據分析的教材，章綜述全書內容；第2章和第3章介紹數據的來源、股票和價格回報，以及債券所產生的收益；第4～8章介紹概率論、統計學和探索性數據分析的基礎知識；第9章和0章講述時間序列中的ARIMA模型；1章介紹很優的風險資產投資、組合和很優的風險資產與無風險資產投資組合；2～14章講解回歸分析；5章介紹協整分析；6章將投資組合理論和回歸分析應用於資本資產定價模型（CAPM）；7章介紹因子模型；8～21章介紹波動率很好數的GARCH模型、貝葉斯統計、風險管理和非參數回歸等。

目錄

  前言

章引言

1.1文獻注記

1.2參考文獻

第2章收益

2.1引言

2.1.1淨收益率

2.1.2總收益率

2.1.3對數收益率

2.1.4股息調整

2.2遊走模型

2.2.1遊走

2.2.2幾何遊走

2.2.3對數價格是對數正態的幾何遊走

2.3文獻注記

2.4參考文獻

2.5R實驗室

2.5.1數據分析

2.5.2模擬

2.6習題

第3章固定收入證券

3.1引言

3.2零息債券

3.3有息票債券

3.4到期收益率

3.4.1計算到期收益率的一般方法

3.4.2即期彙率

3.5期限結構

3.5.1引言：利率取決於到期時間

3.5.2期限結構的描述

3.6連續復利

3.7連續的遠期利率

3.8價格對收益率的敏感性

3.9文獻注記

3.10參考文獻

3.11R實驗室

3.11.1計算到期收益

3.11.2 繪制收益曲線

3.12習題

第4章探索性數據分析

4.1引言

4.2直方圖和核密度估計

4.3順序統計量、樣本CDF與樣本分位數

4.3.1樣本分位數的中心極限定理

4.3.2正態概率圖

4.3.3半正態圖

4.3.4圖

4.4正態性檢驗

4.5箱形圖

4.6數據變換

4.7變換幾何

4.8變換核密度估計

4.9文獻注記

4.10參考文獻

4.11R實驗室

4.12習題

第5章單變量分布建模

5.1引言

5.2參數模型與簡約性

5.3位置參數、尺度參數和形狀參數

5.4偏度、峰度和矩

5.4.1Jarque Bera檢驗

5.4.2矩

5.5重尾分布

5.5.1指數和多項式尾部

5.5.2t分布

5.5.3混合模型

5.6廣義誤差分布

5.7從對稱分布創建偏度

5.8基於分位數的位置、尺度和形狀參數

5.9似然估計

5.10MLE的Fisher信息和中心極限定理

5.11似然比檢驗

5.12AIC與BIC

5.13驗證數據和交叉驗證

5.14由似然法擬合分布

5.15剖面似然

5.16穩健估計

5.17帶有參數變換的變換核密度估計

5.18文獻注記

5.19參考文獻

5.20R實驗室

5.20.1收入數據

5.20.2DAX收益

5.21習題

第6章再抽樣

6.1引言

6.2偏差、標準差和MSE的自助法估計

6.3自助法置信區間

6.3.1正態近似區間

6.3.2自助法t區間

6.3.3基本的自助法區間

6.3.4百分位數置信區間

6.4文獻注記

6.5參考文獻

6.6R實驗室

6.7習題

第統計模型

7.1引言

7.2協方差和相關矩陣

7.3變量的線性函數

7.3.1兩個或更多變量的線性組合

7.3.2獨立與和的方差

7.4散點圖矩陣

7正態分布

7t分布

7.7用似然來t分布

7.8橢圓輪廓密度

7有偏t分布

7.10Fisher信息矩陣

7.數據自助法

7.12文獻注記

7.13參考文獻

7.14R實驗室

7.14.1股票收益

7.14.2t分布

7.14.3擬合t分布

7.15習題

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弗蘭克copula

8.4.2Clayton copula

8.4.3Gumbel copula

8.5秩相關

8.5.1肯德爾的tau相關繫數

8.5.2斯皮爾曼相關繫數

8.6尾部相關

8.7計算copula

8.7.1似然

8.7.2擬似然估計

8.7.高斯t分布

8.8文獻注記

8.9參考文獻

8.10R實驗室

8.10.1模擬copula

8.10.2對收益數據擬合copula

8.11習題

第9章時間序列模型:基礎知識

9.1時間序列數據

9.2平穩過程

9.2.1白噪聲

9.2.2預測白噪聲

9.3估計平穩過程的參數

9.4AR（1）過程

9.4.1弱平穩AR（1）過程的性質

9.4.2收斂到平穩分布

9.4.3非平穩AR（1）過程

9.5AR（1）過程的估計

9.5.1殘差與模型檢驗

9.5.2似然和條件 小二乘

9.6AR（p）模型

9.7滑動平均過程

9.7.1MA（1）過程

9.7.2一般的MA過程

9.8ARMA過程

9.8.1後向算子

9.8.2ARMA模型

9.8.3ARMA（1，1）過程

9.8.4ARMA參數估計

9.8.5差分算子

9.9ARIMA過程

9.10單位根檢驗

9.11自動選擇一個ARIMA模型

9.12預測

9.12.1預測誤差和預測區間

9.12.2通過模擬計算預測限

9.13偏自相關繫數

9.14文獻注記

9.15參考文獻

9.16R實驗室

9.16.1T bill比率

9.16.2預測

9.17習題

0章時間序列模型：更多主題

10.1季節性ARIMA模型

10.1.1季節性和非季節性差分

10.1.2乘法ARIMA模型

10.2時間序列的Box Cox變換

10.3多變量時間序列

10.3.1互相關函數

10.3.2多變量白噪聲

10.3.3多變量ARMA過程

10.3.4使用多變量AR模型預測

10.4長記憶過程

10.4.1長記憶平穩模型的需要

10.4.2分數階差分

10.4.3FARIMA過程

10.5自助法時間序列

10.6文獻注記

10.7參考文獻

10.8R實驗室

10.8.1季節性ARIMA模型

10.8.2VAR模型

10.8.3長記憶過程

10.8.4一個ARIMA過程的基於模型的自助法

10.9習題

1章投資組合理論

11.1權衡預期收益和風險

11.2一種風險資產和一種無風險資產

11.3兩種風險資產

11.4結合兩種風險資產與一種無風險資產

11.4.1兩種風險資產的切線資產組合

11.4.2結合切線資產組合和無風險資產

11.4.3ρ12的效果

11.5賣空

11.6N個風險資產投資組合的風險有效

11.7再抽樣和有效投資組合

11.8文獻注記

11.9參考文獻

11.10R實驗室

11.11習題

2章回歸：基礎知識

12.1引言

12.2直線回歸

12.2.1 小二乘估計

12.2.2β∧1的方差

12線性回歸

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檢驗

12.4.4調整R2

12.5模型選擇

12.6共線性和方差膨脹

12.7偏殘差圖

12.8中心化預測變量

12.9正交多項式

12.10文獻注記

12.11參考文獻

12.12R實驗室

12.13習題

3章回歸診斷

13.1回歸診斷簡介

13.1.1杠杆值

13.1.2殘差

13.1.3庫克距離

13.2檢驗模型假設

13.2.1非正態分布

13.2.2非常數方差

13.2.3非線性

13.2.4殘差相關性和偽回歸

13.3文獻注記

13.4參考文獻

13.5R實驗室

13.6習題

4章回歸：高級主題

14.1帶有ARMA誤差的線性回歸

14.2線性回歸的理論

14.2.1相關噪聲的影響和異方差性

14.2.2回歸的似然估計

14.3非線性回歸

14.4從零息債券價格估計遠期利率

14.5雙邊變換回歸

14.6隻變換因變量

14回歸

14.8線性化一個非線性模型

14.9穩健回歸

14.10回歸和線性預測

14.10.1線性預測

14.10.2線性預測的預測誤差

14.10.3回歸是經驗線性預測

14.10線性預測

14.11回歸對衝

14.12文獻注記

14.13參考文獻

14.14R實驗室

14.14.1帶ARMA噪聲的回歸

14.14.2非線性回歸

14.14.3因變量變換

14.14回歸：誰得到了空調

14.15習題

5章協整

15.1引言

15.2向量誤差校正模型

15.3交易策略

15.4文獻注記

15.5參考文獻

15.6R實驗室

15.6.1中等規模公司股票價格協整分析

15.6.2收益的協整分析

15.6.3模擬

15.7習題

6章資本資產定價模型

16.1CAPM簡介

16.2資本市場線

16.3β值和證券市場線

16.3.1有關β值的例子

16.3.2CML和SML的比較

16.4證券特征線

16.4.1化降低特有風險

16.4.2假設合理

16.5一些投資組合理論

16.5.1對市場投資組合風險的貢獻

16.5.2SML的推導

16.6β值的估計和CAPM的檢驗

16.6.1用回歸估計β值

16.6.2檢驗CAPM

16.6.3α值的解釋

16.7CAPM在投資組合分析中的應用

16.8文獻注記

16.9參考文獻

16.10R實驗室

16.11習題

7章因子模型和主成分

17.1降維

17.2主成分分析

17.3因子模型

17.4用時間序列回歸擬合因子模型

17.4.1Fama和French三因子模型

17.4.2資產回報率的期望和協方差的估計

17.5截面因子模型

17.6統計因子模型

17.7文獻注記

17.8參考文獻

17.9R實驗室

17.9.1主成分分析

17.9.2時間序列回歸擬合因子模型

17.9.3統計因子模型

17.10習題

8章GARCH模型

18.1引言

18.2估計條件均值和方差

18.3ARCH（1）過程

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過程

18.8擬合ARMA/GARCH模型

18.9作為ARMA模型的GARCH模型

18.10GARCH(1,1)過程

18.11APARCH模型

18.12具有ARMA/GARCH誤差的回歸

18.13ARMA/GARCH過程的預測

18.14文獻注記

18.15參考文獻

18.16R實驗室

18.17習題

9章風險管理

19.1風險管理的必要性

19.2一個資產的VaR和ES的估計

19.2.1VaR與ES的非參數估計

19.2.2VaR與ES的參數估計

19.3用自助法計算VaR與ES的置信區間

19.4用ARMA/GARCH模型估計VaR與ES

19.5一個投資組合的VaR與ES的估計

19.6多項式尾部的VaR估計

19.7帕雷托分布

19.8持有期與置信繫數的選擇

19.9VaR與多樣化

19.10文獻注記

19.11參考文獻

19.12R實驗室

19.13習題

第20章貝葉斯數據分析和MCMC

20.1引言

20.2貝葉斯定理

20.3先驗分布和後驗分布

20.4共軛先驗

20.5後驗中心極限定理

20.6後驗區間

20.7馬爾可夫鏈蒙特卡羅方法

20.7.1Gibbs抽樣

20.7.2其他蒙特卡羅抽樣方法

20.7.3MCMC輸出的分析

20.7.4WinBUGS

20.7.5MCMC收斂性和混合的檢驗

20.7.6模型DIC和pD的比較

20.8多層先驗

20.9協方差矩陣的貝葉斯估計

20.9正態分布的協方差陣估計

20.9t分布的尺度矩陣的估計

20.9.3協方差矩陣的非共軛先驗

20.10一個平穩過程的采樣

20.11文獻注記

20.12參考文獻

20.13R實驗室

20.13.1MCMC擬合t分布

20.13.2AR模型

20.13.3MA模型

20.13.4ARMA模型

20.14習題

第21章非參數回歸和樣條函數

21.1引言

21.2局部多項式回歸

21.3線性光滑器

21.3.1平滑矩陣和有效自由度

21.3.2AIC和GCV

21.4多項式樣條函數

21.4.1具有一個結的線性樣條函數

21.4.2具有多個結的線性樣條函數

21.4.3二次樣條函數

21.4.4p階樣條函數

21.4.5其他的樣條基

21.5懲罰樣條函數

21.6文獻注記

21.7參考文獻

21.8R實驗室

21.8.1工資、教育和經驗的加法模型

21.8.2短期利率的一個擴展CKLS模型

21.9習題

附錄A來自於概率、統計和代數的事實

作者介紹

戴維·羅伯特（David Ruppert），康奈爾大學運籌學和信息工程學院統計科學教授、Andrew Schultz，Jr.工程學教授，主要講授統計學、金融工程等課程。他的研究領域包括漸近理論、半參數回歸、函數型數據分析、生物統計、模型校準、度量誤差和天文統計學。Ruppert教授擁有密歇根州立大學統計學博士學位，是美國統計協會和數理統計協會會員，並曾獲得 Wilcoxon獎。Ruppert教授發表了100多篇科技論文，撰寫了4部著作：《Transformation and Weighting in Regression》 《Measurement Error in Nonlinear Models》《Semiparametric Regression》和《 Statistics and Finance: An Introduction》。

序言