R软件及其在金融定量分析中的应用PDF|Epub|txt|kindle电子书版本网盘下载

R软件及其在金融定量分析中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 R软件基础1

1.1 工作环境1

1.1.1 R的历史与发展1

1.1.2 R的资源2

1.1.3 RGui4

1.1.4 RStudio6

1.2 数据操作8

1.2.1 对象8

1.2.2 基本类型9

1.2.3 向量10

1.2.4 数组与矩阵11

1.2.5 列表与数据框15

1.2.6 因子19

1.2.7 表达式20

1.2.8 对象的运算21

1.3 常用命令28

1.3.1 工作目录与R内存28

1.3.2 保存与加载29

1.3.3 显示命令30

1.3.4 挂接命令31

1.4 图形制作32

1.4.1 绘图函数32

1.4.2 绘图参数36

1.4.3 制图案例37

1.5 编程计算41

1.5.1 函数定义41

1.5.2 函数调用41

1.5.3 函数调试42

1.6 常用程序包43

1.6.1 标准包43

1.6.2 安装包44

1.6.3 常用包47

1.7 习题62

1.8 参考文献62

第2章 基于R软件的传统计算64

2.1 统计分析64

2.1.1 多元回归分析64

2.1.2 逐步回归分析72

2.1.3 聚类分析76

2.1.4 因子分析81

2.2 经济计量分析87

2.2.1 数据测量层次87

2.2.2 二元选择模型88

2.2.3 计数数据模型90

2.2.4 广义线性模型91

2.3 时间序列分析93

2.3.1 ARMA模型94

2.3.2 VAR模型96

2.3.3 脉冲响应97

2.3.4 方差分解98

2.3.5 Granger因果98

2.3.6 案例分析99

2.4 优化理论与方法103

2.4.1 问题提出103

2.4.2 线性规划104

2.4.3 目标规划105

2.4.4 非线性规划106

2.5 习题112

2.6 参考文献112

第3章 基于R软件的现代计算113

3.1 人工智能方法113

3.1.1 人工神经网络113

3.1.2 支持向量机120

3.2 高维数据分析125

3.2.1 问题提出126

3.2.2 LASSO回归127

3.3 习题133

3.4 参考文献133

第4章 金融数据整理与预处理135

4.1 金融数据库135

4.1.1 金融数据与金融数据库135

4.1.2 国外金融数据库概况135

4.1.3 国内金融数据库概况137

4.1.4 金融数据库数据主要内容138

4.2 金融数据格式140

4.2.1 xls、xlsx格式140

4.2.2 csv格式140

4.2.3 txt格式141

4.2.4 XML格式141

4.2.5 HTML格式141

4.2.6 从其他统计软件导入141

4.2.7 关系型数据库142

4.2.8 DBF格式142

4.3 金融数据的导入142

4.3.1 从控制台输入数据143

4.3.2 上市公司财务报表信息读取145

4.3.3 股票数据的读取146

4.4 金融数据的预处理147

4.4.1 时间序列数据预处理147

4.4.2 截面数据预处理151

4.5 习题154

4.6 参考文献155

第5章 金融资产收益计算156

5.1 收益率定义156

5.1.1 常用收益率156

5.1.2 红利收益率157

5.1.3 超额收益率157

5.2 股票类资产收益率计算158

5.2.1 单个股票收益率计算158

5.2.2 多个股票收益率计算159

5.2.3 资产组合收益率计算159

5.3 债券类资产收益率计算160

5.3.1 三种收益计算160

5.3.2 债券久期与凸度计算163

5.3.3 债券绩效评价165

5.4 收益率的分布及其特征166

5.4.1 分布函数与数字特征166

5.4.2 常用分布函数169

5.4.3 多元收益率统计172

5.5 习题175

5.6 参考文献176

第6章 金融波动模型177

6.1 GARCH类模型177

6.1.1 ARCH模型178

6.1.2 GARCH模型180

6.1.3 GARCH模型扩展187

6.1.4 多元GARCH模型189

6.2 SV类模型194

6.2.1 基本SV模型194

6.2.2 扩展SV模型196

6.2.3 多元SV模型197

6.2.4 案例分析198

6.3 高频波动模型205

6.3.1 金融高频数据及其特征205

6.3.2 “已实现”方差模型207

6.3.3 ACD模型210

6.3.4 案例分析212

6.4 习题228

6.5 参考文献228

第7章 极值、分位数与VaR（ES）230

7.1 VaR与ES的计算230

7.1.1 VaR231

7.1.2 ES232

7.1.3 RiskMetrics模型与VaR和ES的计算233

7.1.4 GARCH模型与VaR和ES的计算235

7.2 分位数回归与VaR（ES）计算238

7.2.1 线性分位数回归239

7.2.2 非线性分位数回归244

7.2.3 基于分位数回归的VaR和ES的计算249

7.3 VaR（ES）的极值方法250

7.3.1 区间极大值模型250

7.3.2 阈值模型255

7.4 习题260

7.5 参考文献260

第8章 金融组合投资决策分析262

8.1 均值-方差分析262

8.1.1 变量及其含义262

8.1.2 均值-方差模型264

8.2 均值- VaR（CVaR、CDaR）模型277

8.2.1 均值-VaR模型278

8.2.2 均值-CVaR模型280

8.2.3 均值-CDaR模型285

8.3 均值-高阶矩模型292

8.3.1 高阶矩风险及其计算292

8.3.2 基于M- V-S-K的组合投资选择293

8.4 大规模组合投资决策模型299

8.4.1 两个重要模型299

8.4.2 模型求解299

8.4.3 数值模拟300

8.4.4 R包与案例分析301

8.5 习题308

8.6 参考文献308

第9章 金融资产定价分析310

9.1 CAPM及其应用310

9.1.1 标准的CAPM模型与分散化投资310

9.1.2 高阶矩CAPM316

9.2 APT及其应用323

9.2.1 因子模型323

9.2.2 APT模型327

9.3 期权定价模型及其应用333

9.3.1 布朗运动与维纳过程333

9.3.2 期权定价原理336

9.3.3 二叉树期权定价338

9.3.4 B—S期权定价340

9.3.5 隐含波动与波动微笑347

9.4 习题349

9.5 参考文献350

第10章 金融风险共同趋势分析351

10.1 收益序列间的共同趋势351

10.1.1 单位根检验352

10.1.2 协整与误差校正模型362

10.1.3 单方程协整关系的估计与检验365

10.1.4 系统方程协整关系的估计与检验370

10.2 风险序列间的共同趋势379

10.2.1 协同持续建模379

10.2.2 案例分析381

10.3 习题385

10.4 参考文献385

第11章 金融市场羊群效应387

11.1 基于均值回归羊群效应分析387

11.1.1 参数模型388

11.1.2 非参数均值模型389

11.1.3 案例分析390

11.2 基于分位数回归羊群效应分析394

11.2.1 参数分位数模型394

11.2.2 非参数分位数模型395

11.2.3 案例分析396

11.3 基于神经网络分位数回归羊群效应分析400

11.3.1 模型表示400

11.3.2 模型估计401

11.3.3 模型选择402

11.3.4 R包QRNN主要函数402

11.3.5 案例分析403

11.4 习题406

11.5 参考文献406

第12章 微观金融定量分析407

12.1 破产概率预测407

12.1.1 模型与方法407

12.1.2 案例分析410

12.2 证券投资基金风格分析414

12.2.1 证券投资基金概述及投资风格分析方法414

12.2.2 基于均值回归的证券投资基金风格分析415

12.2.3 基于分位数回归的证券投资基金风格分析416

12.2.4 案例分析417

12.3 证券投资基金绩效评价424

12.3.1 证券投资基金绩效评价概述425

12.3.2 证券投资基金的绩效评价指标与方法426

12.3.3 基金经理人的绩效评价436

12.4 基于Rhadoop的大数据金融定量分析437

12.4.1 大数据437

12.4.2 Rhadoop平台部署及初步应用442

12.5 习题451

12.6 参考文献451