金融数据分析

第1章 导论 001 1.1 金融数据分析概述 001 1.2 常见的统计分布 004 1.3 收益率及其分布特征 007 1.4 R软件和Python软件介绍 012 1.5 专题1: 金融数据的可视化 ——基于新冠疫情期间中美股市波动的对比分析 018 第2章 金融时间序列线性模型 024 2.1 相关性和平稳性 024 2.2 简单自回归模型 031 2.3 简单移动平均模型 042 2.4 简单ARMA模型 048 2.5 单位根非平稳时间序列 053 2.6 季节模型 057 2.7 长记忆时间序列模型 060 2.8 专题2: 基于ARIMA模型的中国居民消费价格指数预测 062 第3章 协整与向量自回归模型 067 3.1 协整分析 067 3.2 向量自回归模型 074 3.3 格兰杰因果关系检验 078 3.4 VAR模型与脉冲响应函数 079 3.5 VAR模型与方差分解 082 3.6 结构向量自回归模型 084 3.7 TVP VAR模型 087 3.8 专题3: 中国资本市场与货币政策的协同关系研究 088 第4章 GARCH族模型 095 4.1 波动率模型的特征及结构 095 4.2 ARCH模型 098 4.3 GARCH模型 103 4.4 IGARCH模型 108 4.5 GARCH M模型 109 4.6 指数GARCH模型 111 4.7 TGARCH模型 114 4.8 APARCH模型 115 4.9 专题4: 基于GARCH模型的人民币汇率建模与应用 116 第5章 极值事件、分位数回归与金融风险计量 122 5.1 极值事件概述 122 5.2 金融风险计量指标VaR和ES 125 5.3 风险度量制 127 5.4 基于GARCH模型的VaR计算 130 5.5 基于极值理论的VaR计算 133 5.6 分位数回归模型与金融风险计量 142 5.7 系统性金融风险计量模型 150 5.8 专题5: 中国系统性金融风险评估报告 157 第6章 市场有效性与事件分析法 163 6.1 有效市场假说 163 6.2 有效市场假说的实证检验 167 6.3 事件分析法 177 6.4 专题6: 康美药业财务造假事件分析 182 第7章 Copula函数及其应用 188 7.1 Copula函数的定义及性质 188 7.2 Copula函数与相关性 190 7.3 常用的Copula函数 191 7.4 Copula函数的估计方法 203 7.5 Copula函数与金融风险计量 206 7.6 专题7: 基于GARCH Copula模型的绿色债券投资组合风险测度 210 第8章 面板数据模型与检验 214 8.1 面板数据的基本界定 214 8.2 面板数据的设定和加载 217 8.3 面板数据回归模型 220 8.4 面板数据模型的检验 226 8.5 动态面板数据与广义矩GMM估计 236 8.6 专题8:数字金融对地区经济发展的影响研究 241 第9章 空间计量模型与检验 248 9.1 空间权重矩阵 248 9.2 空间自回归模型 252 9.3 空间杜宾模型 261 9.4 空间误差模型 266 9.5 专题9: 中国金融风险的空间集聚与溢出效应 269 0章 机器学习与数据分析 278 10.1 机器学习概述 278 10.2 分类分析 280 10.3 回归分析 285 10.4 聚类分析 292 10.5 关联规则挖掘方法 296 10.6 模型评估与选择 299 10.7 专题10: 基于机器学习的上证指数走势预测研究 302 1章 深度学习与数据分析 309 11.1 神经元 309 11.2 BP神经网络 311 11.3 卷积神经网络 315 11.4 循环神经网络 319 11.5 深度学习模型优化策略 322 11.6 专题11: 基于深度学习的上市公司财务风险预警研究 324 2章 文本数据分析 331 12.1 文本获取 332 12.2 文本预处理 335 12.3 文本表示 336 12.4 文本特征选择 344 12.5 模式挖掘 346 12.6 专题12: 金融网络舆情指数构建与应用 350 参考文献 355