Name: 金融數據統計分析：基於R語言實例
SKU: https://www.books.com.tw/products/CN12007249

內容簡介

本書涵蓋了使用統計分析和數據科學方法對財務數據進行建模和分析的方法。第1章概述了金融市場，描述了市場運作並使用探索性數據分析來說明金融數據的性質。第2章介紹了探索性數據分析的方法，尤其是圖形方法，並在實際財務數據上進行了說明。第3章介紹了可用於財務分析的概率分佈，特別是重尾分佈，並介紹了計算機模擬財務數據的方法。第4章介紹了統計推斷的基本方法，尤其是在分析中使用線性模型，第5章介紹了時間序列的方法，其中特別強調了適用於財務數據分析的模型和方法。附錄還描述了如何使用R從互聯網獲取當前財務數據。

作者介紹

詹姆斯·E. 金特爾（James E. Gentle）曾任喬治·梅森大學計算統計學教授，也是美國統計協會和美國科學促進會等多個學術機構的成員。他曾擔任The American Statistician（1989—1990）的副主編，以及多個計算統計學期刊的編輯，目前擔任Communications in Statistics的資深編輯。他主要從事計算統計、模擬、計算金融等方面的研究，已經出版了多本統計相關書籍。

譯者序
前言
第1章　金融數據的性質1
　1.1　金融時間序列3
　　1.1.1　自相關係數5
　　1.1.2　平穩性5
　　1.1.3　時間尺度和數據加總6
　1.2　金融資產和市場9
　　1.2.1　市場和監管機構11
　　1.2.2　利息14
　　1.2.3　資產收益率20
　　1.2.4　股票價格、公平市場價值23
　　1.2.5　股票分割、股利和資本收益32
　　1.2.6　指數和“市場”34
　　1.2.7　衍生資產43
　　1.2.8　空頭頭寸45
　　1.2.9　資產的投資組合：分散和對沖46
　1.3　收益率的頻率分佈53
　　1.3.1　位置和尺度55
　　1.3.2　偏度56
　　1.3.3　峰度57
　　1.3.4　多元數據57
　　1.3.5　正態分佈61
　　1.3.6　q-q圖64
　　1.3.7　異常值66
　　1.3.8　其他統計度量方法66
　1.4　波動率69
　　1.4.1　收益率的時間序列69
　　1.4.2　度量波動率：歷史波動率和隱含波動率72
　　1.4.3　波動率指數：VIX76
　　1.4.4　隱含波動率曲線78
　　1.4.5　風險評估與管理79
　1.5　市場動態83
　1.6　關於金融數據的典型事實89
　注釋和深入閱讀90
　練習和複習題92
　附錄A1：使用R獲取和分析金融數據95

第2章　金融數據的探索性分析141
　2.1　數據縮減142
　　2.1.1　簡單概括統計量142
　　2.1.2　數據中心化和標準化143
　　2.1.3　多元數據的簡單概括統計量143
　　2.1.4　變換143
　　2.1.5　識別異常觀察值145
　2.2　經驗累積分佈函數145
　2.3　概率密度的非參數估計149
　　2.3.1　分箱數據149
　　2.3.2　核密度估計150
　　2.3.3　多元核密度估計量152
　2.4　探索性分析中的圖形法152
　　2.4.1　時間序列圖153
　　2.4.2　直方圖153
　　2.4.3　箱線圖154
　　2.4.4　密度圖155
　　2.4.5　二元數據156
　　2.4.6　q-q圖157
　　2.4.7　R中的圖形161
　注釋和深入閱讀165
　練習165

第3章　可觀察事件模型使用的概率分佈169
　3.1　隨機變量和概率分佈170
　　3.1.1　離散隨機變量171
　　3.1.2　連續隨機變量174
　　3.1.3　隨機變量的線性組合：期望和分位數177
　　3.1.4　生存函數和風險函數178
　　3.1.5　多元分佈178
　　3.1.6　多元分佈中變量之間的相關性180
　　3.1.7　連接函數183
　　3.1.8　多元隨機變量的變換185
　　3.1.9　順序統計量的分佈186
　　3.1.10　漸近分佈：中心極限定理187
　　3.1.11　概率分佈的尾部189
　　3.1.12　隨機變量序列：隨機過程192
　　3.1.13　股票價格的擴散過程與期權定價193
　3.2　一些有用的概率分佈195
　　3.2.1　離散分佈196
　　3.2.2　連續分佈197
　　3.2.3　多元分佈204
　　3.2.4　對建模有用的一般分佈族205
　　3.2.5　構造多元分佈215
　　3.2.6　數據生成過程建模216
　　3.2.7　概率分佈的R函數216
　3.3　隨機變量的模擬219
　　3.3.1　均勻隨機數219
　　3.3.2　生成非均勻隨機數220
　　3.3.3　在R中模擬數據223
　注釋和深入閱讀225
　練習226

第4章　統計模型與推斷方法232
　4.1　統計模型232
　　4.1.1　擬合統計模型235
　　4.1.2　變差的度量和分解236
　　4.1.3　線性模型237
　　4.1.4　非線性方差穩定化變換239
　　4.1.5　參數模型和非參數模型239
　　4.1.6　貝葉斯模型240
　　4.1.7　時間序列模型240
　4.2　統計建模的標準與方法240
　　4.2.1　估計量及其性質240
　　4.2.2　統計建模方法242
　4.3　統計建模的優化：最小二乘法和最大似然估計法248
　　4.3.1　一般優化問題248
　　4.3.2　最小二乘法252
　　4.3.3　最大似然法258
　　4.3.4　處理優化問題的R函數260
　4.4　統計推斷261
　　4.4.1　置信區間263
　　4.4.2　檢驗統計假設265
　　4.4.3　預測268
　　4.4.4　貝葉斯模型推斷268
　　4.4.5　再抽樣方法：自助法273
　　4.4.6　穩健統計方法275
　　4.4.7　尾部指數的估計277
　　4.4.8　風險值和預期損失的估計280
　4.5　描述變量之間關係的模型283
　　4.5.1　主成分284
　　4.5.2　回歸模型287
　　4.5.3　線性回歸模型290
　　4.5.4　線性回歸模型：回歸變量293
　　4.5.5　線性回歸模型：單個觀察值和殘差297
　　4.5.6　線性回歸模型：例子303
　　4.5.7　非線性模型313
　　4.5.8　在R中指定模型317
　4.6　評估模型的充分性318
　　4.6.1　擬合優度檢驗；正態性檢驗318
.......

看更多