导语

  

内容提要

  

    计量金融专业兴起于20世纪90年代的西方，是专为金融市场而设的。随着中国金融业的崛起，这个专业越来越为大家所熟悉，也越来越热门。
    何宗武编著的《R语言计量金融分析与应用》主要侧重于用R来进行经济计量统计模型的运用和时间序列分析，以及计量金融中的数值分析，主要内容包括R的基本环境与安装、R的IDE模式、数据结构和数据处理、数据存取和基本处理、探索性数据分析和可视化、回归分析方法、时间序列入门、波动分析、非定态时间序列、时间序列的结构变动、价差与计量套利、R的金融工具箱、风险与投资组合分析和金融大数据的处理等。
    如果你对计量金融感兴趣而且你已经具有一定的数学和计算机基础，那么本书就是一本引导你进入计量金融领域的参考书。书中各章均提供了丰富的范例程序，因此也可以作为大专院校计量金融专业R语言的上机实践教材。

第1章  最简单的统计分析原理
  1.1  统计分析原理
    1.1.1  估计原理
    1.1.2  检验原理
  1.2  函数原理和数据分析
  1.3  再进一步
第2章  R的基本环境与安装
  2.1  R与网络资源
  2.2  安装系统程序
  2.3  更改语言模式
第3章  R的IDE模式
  3.1  R Commander
  3.2  Deducer
  3.3  RStudio
    3.3.1  安装
    3.3.2  更改界面
    3.3.3  产生文件
    3.3.4  Mark Down
第4章  数据结构和数据处理
  4.1  R的数据结构
    4.1.1  vectors向量
    4.1.2  matrix矩阵
    4.1.3  array数组
    4.1.4  data frame数据框
    4.1.5  time series时间序列
    4.1.6  list列表
  4.2  数据处理
    4.2.1  向量处理
    4.2.2  矩阵处理
    4.2.3  数据框data.frame对象的数据处理
    4.2.4  字符串对象的处理
    4.2.5  从连续性质的数据定义分组因子
第5章  数据存取和基本处理
  5.1  外部数据读取
    5.1.1  载入.csv格式的数据
    5.1.2  载入.txt格式的数据
    5.1.3  载入xls和xlsx格式的数据
    5.1.4  将数据存储与输出
  5.2  数据的基本统计分析library(fBasics)
    5.2.1  基本统计量：basicStats()
    5.2.2  相关性检验：correlationTest()
  5.3  网络数据下载
  5.4  数据库读取——MySQL范例
  5.5  数据表处理的函数
    5.5.1  函数split对数据的分割
    5.5.2  函数apply()系列
第6章  探索性数据分析和可视化
  6.1  数据性质的可视化分析
  6.2  绘图函数plot()
  6.3  3D立体绘图
  6.4  Imaging Correlation相关性影像图
  6.5  lattice和Multi-way
  6.6  其他
    6.6.1  curve()函数曲线绘图
    6.6.2  保存图形
第7章  回归分析方法
  7.1  线性回归的基本原理——最小二乘法
  7.2  单变量线性回归
  7.3  连续变量线性复回归
    7.3.1  两个解释变量相异
    7.3.2  多项式回归——解释变量的幂次方
  7.4  因子和交互效果
    7.4.1  因子回归
    7.4.2  交互效果
    7.4.3  考虑残差异质性的鲁棒协方差
  7.5  回归诊断检验
    7.5.1  异质残差检验
    7.5.2  回归函数形式判定
  7.6  简单时间序列回归：dynlm()
  7.7  线性重合检验
第8章  时间序列入门
  8.1  时间序列性质
  8.2  时间序列数据的建立与绘图
    8.2.1  时间序列的时间格式
    8.2.2  时间序列绘图
  8.3  单组时间序列的性质
    8.3.1  ACF、PACF和序列相关检验
    8.3.2  Linear filters，时间序列性质线性过滤和趋势预测
    8.3.3  BDS independence test时间序列独立同分布检验
    8.3.4  方差比检验
  8.4  ARMA（自回归移动平均）过程
    8.4.1  一般ARMA模式
    8.4.2  季节ARMA
  8.5  序列相关与检验
    8.5.1  原理
    8.5.2  回归修正：对原回归残差做二阶序列相关修正
  8.6  时间序列预测
    8.6.1  基本概念
    8.6.2  预测表现评估
  8.7  ARIMA和Seasonal ARIMA的自动配置
  8.8  VAR多变量
    8.8.1  原理
    8.8.2  R程序包与程序范例
第9章  波动分析
  9.1  单变量GARCH原理
    9.1.1  标准GARCH
    9.1.2  非对称GARCH
  9.2  简单单变量GARCH程序包tseries
    9.2.1  数据的ARCH效果检验
    9.2.2  标准GARCH估计
    9.2.3  标准GARCH估计程序包fGarch
  9.3  专业GARCH程序包rugarch
    9.3.1  rugarch的基本结构
    9.3.2  rugarch的高级设置
    9.3.3  iClick程序包的统一处理
  9.4  多变量GARCH程序包rmgarch
    9.4.1  多变量GARCH原理
    9.4.2  R程序包rmgarch
第10章  非定态时间序列
  10.1  单位根检验
  10.2  协整分析
    10.2.1  ECM的基本形态（Engle和Granger在1987年提出）
    10.2.2  Threshold VECM（阈值VECM）
  10.3  具有阈值的单位根过程
第11章  时间序列的结构变动
  11.1  基本原理的认识
    11.1.1  efp方法
    11.1.2  F检验法
  11.2  Bai-Perron和Zeileis et al.的方法
    11.2.1  原理
    11.2.2  R 范例程序解说
第12章  价差与计量套利
  12.1  价差原理
    12.1.1  典型价差交易：期货vs.现货
    12.1.2  时间价差（Calendar/Terms spread）：远月vs.近月
    12.1.3  规律的价格差距
    12.1.4  商品间的趋势价差
  12.2  风险溢价的高级应用
    12.2.1  风险溢价的进一步认识
    12.2.2  价差与套利的计量经济学
第13章  R的金融工具箱
  13.1  时间序列对象的三大程序包
    13.1.1  基本数据处理
    13.1.2  程序包timeSeries的财务函数
  13.2  fBasics程序包的财务时间序列性质摘要
  13.3  fAssets程序包的风险与报酬
  13.4  PerformanceAnalytics程序包的绩效指标
  13.5  quantmod程序包的技术分析
  13.6  程序编写的简单技巧
    13.6.1  循环
    13.6.2  条件控制语句
    13.6.3  定义函数
第14章  风险与投资组合分析
  14.1  资产选择初步
    14.1.1  夏普不等式原理
    14.1.2  R Code
  14.2  多元化投资组合与回测
    14.2.1  原理
    14.2.2  R Code
第15章  金融大数据的处理
  15.1  bigmemory
  15.2  FF
  15.3  bigmemory测试范例
  15.4  高频率时间序列的时间格式
    15.4.1  格式
    15.4.2  程序包 data.table
附录A  广义线性模式GLM
  A.1  二元变量的Probit/Logit GLM
    A.1.1  估计
    A.1.2  拟合检验
    A.1.3  优势比
    A.1.4  超扩散和参数方差修正
  A.2  有序选择变量的Probit/Logit GLM
  A.3  计数型变量的Poisson GLM
  A.4  多元选择 GLM——Multinomial Probit/Logit