金融數據統計分析:基於R語言實例 Statistical Analysis of Financial Data: With Examples In R
James E. Gentle 譯 王遠林//王瑞芳
- 出版商: 機械工業
- 出版日期: 2024-08-01
- 定價: $834
- 售價: 8.5 折 $709
- 語言: 簡體中文
- 頁數: 435
- 裝訂: 平裝
- ISBN: 711175817X
- ISBN-13: 9787111758174
-
相關分類:
R 語言、機率統計學 Probability-and-statistics
- 此書翻譯自: Statistical Analysis of Financial Data: With Examples In R
下單後立即進貨 (約4週~6週)
買這商品的人也買了...
-
$594$564 -
$258$245 -
$354$336 -
$520$406 -
$414$393 -
$403速通機器學習
-
$611金融中的機器學習
-
$607利用 Python 實現概率、統計及機器學習方法(原書第2版)
-
$1,014$963 -
$352Python大數據分析Big Data Analysis with Python
-
$774$735 -
$356強化學習演算法入門
-
$254數據挖掘技術(微課視頻版)
-
$254統計計算
-
$704蒙特卡羅方法與人工智能
-
$594$564 -
$780$616 -
$600$570 -
$539$512 -
$1,015資料分析與預測演算法:基於 R語言
-
$359$341 -
$534$507 -
$301最優化理論與智能算法
-
$300$270 -
$356特徵工程訓練營
相關主題
商品描述
本書涵蓋了使用統計分析和資料科學方法對財務資料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資料分析來說明金融資料的性質。
第2章介紹了探索性資料分析的方法,尤其是圖形方法,並在實際財務資料上進行了說明。
第3章介紹了可用於財務分析的機率分佈,特別是重尾分佈,並介紹了電腦模擬財務數據的方法。
第4章介紹了統計推論的基本方法,特別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資料分析的模型和方法。
附錄也描述如何使用R從網路取得當前財務資料。
目錄大綱
目錄
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 時間尺度與資料加總6
1.2 金融資產與市場9
1.2.1 市場與監理機構11
1.2.2 利息14
1.2.3 資產報酬率20
1.2.4 股票價格、公平市價23
1.2.5 股票分割、股利及資本利得32
1.2.6 指數和「市場」34
1.2.7 衍生資產43
1.2.8 空頭部位45
1.2.9 資產的投資組合:分散和對沖46
1.3 殖利率的頻率分佈53
1.3.1 位置與尺度55
1.3.2 偏度56
1.3.3 峰度57
1.3.4 多元資料57
1.3.5 常態分配61
1.3.6 q-q圖64
1.3.7 異常值66
1.3.8 其他統計量測方法66
1.4 波動率69
1.4.1 殖利率的時間序列69
1.4.2 度量波動率:歷史波動率與隱含波動率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 關於金融資料的典型事實89
註釋與深入閱讀90
練習與複習題92
附錄A1:使用R取得和分析金融數據95
第2章 金融資料的探索性分析141
2.1 資料縮減142
2.1.1 簡單概括統計量142
2.1.2 資料中心化與標準化143
2.1.3 多元資料的簡單概括統計量143
2.1.4 變換143
2.1.5 辨識異常觀察值145
2.2 經驗累積分佈函數145
2.3 機率密度的非參數估計149
2.3.1 分箱資料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 二元資料156
2.4.6 q-q圖157
2.4.7 R中的圖形161
註釋與深入閱讀165
練習165
第3章 可觀察事件模型所使用的機率分佈169
3.1 隨機變數與機率分佈170
3.1.1 離散隨機變數171
3.1.2 連續隨機變數174
3.1.3 隨機變數的線性組合:期望值和分位數177
3.1.4 生存函數與風險函數178
3.1.5 多元分佈178
3.1.6 多元分佈中變數間的相關性180
3.1.7 連接函數183
3.1.8 多元隨機變數的轉換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 機率分佈的尾部189
3.1.12 隨機變數序列:隨機過程192
3.1.13 股票價格的擴散過程與選擇權定價193
3.2 一些有用的機率分佈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 資料生成過程建模216
3.2.7 機率分佈的R函數216
3.3 隨機變數的模擬219
3.3.1 均勻隨機數219
3.3.2 產生非均勻隨機數220
3.3.3 在R中模擬資料223
註記與深入閱讀225
練習226
第4章 統計模型與推論方法232
4.1 統計模型232
4.1.1 擬合統計模型235
4.1.2 變差的量測與分解236
4.1.3 線性模型237
4.1.4 非線性變異數穩定化轉換239
4.1.5 參數模型與非參數模型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 統計建模的最佳化:最小平方法和最大似然估計法248
4.3.1 一般最佳化問題248
4.3.2 最小平方法252
4.3.3 最大似然法258
4.3.4 處理最佳化問題的R函數260
4.4 統計推論261
4.4.1 信賴區間263
4.4.2 檢定統計假設265
4.4.3 預測268
4.4.4 貝葉斯模型推論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 風險值與預期損失的估計280
4.5 描述變數之間關係的模型283
4.5.1 主成分284
4.5.2 迴歸模型287
4.5.3 線性迴歸模型290
4.5.4 線性迴歸模型:迴歸變數293
4.5.5 線性迴歸模型:單一觀察值和殘差297
4.5.6 線性迴歸模型:範例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 適合度檢定;常態性檢定318