R软件及其在金融定量分析中的应用 配光盘 数量经济学系列丛书 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

许启发，蒋翠侠 著

图书标签:

• R语言
• 金融
• 定量分析
• 数量经济学
• 计量经济学
• 投资
• 金融工程
• 数据分析
• 统计建模
• 经济学

出版社： 清华大学出版社

ISBN：9787302394037

版次：1

商品编码：11696655

品牌：清华大学

包装：平装

开本：16开

出版时间：2015-05-01

用纸：胶版纸

页数：451

编辑推荐

　　《R软件及其在金融定量分析中的应用》可以作为金融学、统计学、数量经济学、金融数学等专业高年级本科生和相关领域研究生的教科书，也可以为相关领域的研究人员、大学老师、从业人员提供研究参考。

内容简介

　　金融定量分析主要以金融理论为指导，以数理方法为手段，以计算机软件为工具，分析金融系统中的各种数量关系，预测金融发展变动规律，为金融决策提供智力支持。《R软件及其在金融定量分析中的应用》旨在阐明如何使用R软件开展金融定量分析，由三个部分组成：第一部分主要阐述R软件基础及基于R软件的计算等问题，为金融定量分析提供理论方法与计算工具准备；第二部分主要阐述基于R软件金融数据读取、整理以及金融收益计算等问题，为金融定量分析提供数据原材料；第三部分主要讨论了金融定量分析的核心内容并给出R软件的实现，包括：波动率估计、风险值计算、组合投资、资产定价、风险分散、羊群效应、微观金融等。《R软件及其在金融定量分析中的应用》配备了大量金融案例与R软件代码，可供读者直接使用或二次开发。

作者简介

　　许启发，合肥工业大学管理学院教授、博士生导师，全国优秀博士学位论文获得者。在《系统工程理论与实践》《系统工程学报》《数量经济技术经济研究》《中国管理科学》《统计研究》等国内外重要刊物发表论文70余篇，被SCI、EI收录论文1 6篇。主持国家自然科学基金项目1项，主持省部级课题1O余项。获得省部级科研成果奖励6项；获得省部级教学成果奖励4项。承担过管理统计学、时间序列分析、计量经济学等课程的教学任务，主编“十一五”国家级规划教材1部，出版学术专著1部。蒋翠侠，合肥工业大学管理学院副教授、硕士生导师。在《管理科学学报》《数量经济技术经济研究》《中国管理科学》《统计研究》《数理统计与管理》等国内外重要刊物发表论文30余篇。主持国家自然科学基金项目1项，主持教育部人文社科研究项目、全国统计科研计划项目、山东省自然科学基金项目等省部级课题5项。获省部级科研成果奖励2项。主讲计量经济学、时间序列分析等课程。

目录

第1章R软件基础
1.1工作环境
1.1.1R的历史与发展
1.1.2R的资源
1.1.3RGui
1.1.4RStudio
1.2数据操作
1.2.1对象
1.2.2基本类型
1.2.3向量
1.2.4数组与矩阵
1.2.5列表与数据框
1.2.6因子
1.2.7表达式
1.2.8对象的运算
1.3常用命令
1.3.1工作目录与R内存
1.3.2保存与加载
1.3.3显示命令
1.3.4挂接命令
1.4图形制作
1.4.1绘图函数
1.4.2绘图参数
1.4.3制图案例
1.5编程计算
1.5.1函数定义
1.5.2函数调用
1.5.3函数调试
1.6常用程序包
1.6.1标准包
1.6.2安装包
1.6.3常用包
1.7习题
1.8参考文献
第2章基于R软件的传统计算
2.1统计分析
2.1.1多元回归分析
2.1.2逐步回归分析
2.1.3聚类分析
2.1.4因子分析
2.2经济计量分析
2.2.1数据测量层次
2.2.2二元选择模型
2.2.3计数数据模型
2.2.4广义线性模型
2.3时间序列分析
2.3.1ARMA模型
2.3.2VAR模型
2.3.3脉冲响应
2.3.4方差分解
2.3.5Granger因果
2.3.6案例分析
2.4优化理论与方法
2.4.1问题提出
2.4.2线性规划
2.4.3目标规划
2.4.4非线性规划
2.5习题
2.6参考文献
第3章基于R软件的现代计算
3.1人工智能方法
3.1.1人工神经网络
3.1.2支持向量机
3.2高维数据分析
3.2.1问题提出
3.2.2LASSO回归
3.3习题
3.4参考文献
第4章金融数据整理与预处理
4.1金融数据库
4.1.1金融数据与金融数据库
4.1.2国外金融数据库概况
4.1.3国内金融数据库概况
4.1.4金融数据库数据主要内容
4.2金融数据格式
4.2.1xls、xlsx格式
4.2.2csv格式
4.2.3txt格式
4.2.4XML格式
4.2.5HTML格式
4.2.6从其他统计软件导入
4.2.7关系型数据库
4.2.8DBF格式
4.3金融数据的导入
4.3.1从控制台输入数据
4.3.2上市公司财务报表信息读取
4.3.3股票数据的读取
4.4金融数据的预处理
4.4.1时间序列数据预处理
4.4.2截面数据预处理
4.5习题
4.6参考文献
第5章金融资产收益计算
5.1收益率定义
5.1.1常用收益率
5.1.2红利收益率
5.1.3超额收益率
5.2股票类资产收益率计算
5.2.1单个股票收益率计算
5.2.2多个股票收益率计算
5.2.3资产组合收益率计算
5.3债券类资产收益率计算
5.3.1三种收益计算
5.3.2债券久期与凸度计算
5.3.3债券绩效评价
5.4收益率的分布及其特征
5.4.1分布函数与数字特征
5.4.2常用分布函数
5.4.3多元收益率统计
5.5习题
5.6参考文献
第6章金融波动模型
6.1GARCH类模型
6.1.1ARCH模型
6.1.2GARCH模型
6.1.3GARCH模型扩展
6.1.4多元GARCH模型
6.2SV类模型
6.2.1基本SV模型
6.2.2扩展SV模型
6.2.3多元SV模型
6.2.4案例分析
6.3高频波动模型
6.3.1金融高频数据及其特征
6.3.2“已实现”方差模型
6.3.3ACD模型
6.3.4案例分析
6.4习题
6.5参考文献
第7章极值、分位数与VaR（ES）
7.1VaR与ES的计算
7.1.1VaR
7.1.2ES
7.1.3RiskMetrics模型与VaR和ES的计算
7.1.4GARCH模型与VaR和ES的计算
7.2分位数回归与VaR（ES）计算
7.2.1线性分位数回归
7.2.2非线性分位数回归
7.2.3基于分位数回归的VaR和ES的计算
7.3VaR（ES）的极值方法
7.3.1区间极大值模型
7.3.2阈值模型
7.4习题
7.5参考文献
……
第8章金融组合投资决策分析
第9章金融资产定价分析
第10章金融风险共同趋势分析
第11章金融市场羊群效应
第12章微观金融定量分析

精彩书摘

　　3.1.1.1神经网络概述
　　人工神经网络是人工智能的一个重要分支，它是仿生学、数学、与计算机科学的有效结合。神经网络模型主要用于做分类与回归分析，与传统分类与回归模型相比，神经网络在解决复杂系统方面有着绝对的优势。人工神经网络是一种非参数方法，无须设定具体函数形式，就可以通过神经元之间的连接关系，建立从输入到输出的内在运行机制，实现对复杂系统的高度拟合与逼近。
　　人工神经网络有多种类型，根据网络结构不同，可以将其划分为：前向型网络与反馈型网络。单层感知器与线性神经网络都属于单层前向网络，多层感知器与径向基神经网络都属于多层前向网络，而Hopfield神经网络和Elman神经网络则属于反馈网络。根据学习方式不同，可以将其划分为有导师学习神经网络和无导师学习神经网络。BP神经网络、RBF神经网络、Hopfield神经网络都属于有导师神经网络，而SOM则属于无导师学习神经网络。
　　人工神经网络有多种功能，主要用于回归与分类。人工神经网络结构主要有三个部分构成：输入层、隐含层、输出层，其工作原理：由输入层输入解释变量、经由隐含层模拟复杂系统的运行机制、由输出层输出响应变量的拟合或预测值，通过预测值与实际值的误差不断学习，实现神经网络的训练过程。
　　……

前言/序言

《数量经济学系列丛书》 本丛书旨在为读者提供一套系统、深入的数量经济学理论与方法。我们关注经济学研究的最新进展，汇集了国内外顶尖经济学家和统计学家的智慧，力求在理论深度、方法前沿性和应用广度上达到业界领先水平。 内容特色： 1. 理论体系完备： 丛书涵盖了微观经济学、宏观经济学、计量经济学、博弈论、信息经济学、发展经济学等数量经济学的核心分支。我们不仅梳理经典理论，更深入探讨前沿模型与最新研究成果，帮助读者构建扎实的理论基础。 2. 方法论前沿： 计量经济学是数量经济学的重要工具。本丛书将重点介绍经典的计量方法，如回归分析、时间序列分析、面板数据分析、非参数计量方法等，同时也会引入和讲解最新的计量技术，如机器学习在经济学中的应用、因果推断方法、贝叶斯计量经济学等，使读者能够掌握解决复杂经济问题的先进工具。 3. 应用导向性强： 数量经济学的最终目的是理解和解决实际经济问题。本丛书强调理论与实践相结合，选取了金融市场分析、宏观经济预测、产业政策评估、行为经济学实验、国际贸易模型等一系列具有代表性的应用案例，详细展示如何运用数量方法分析真实世界的经济现象，并为政策制定提供量化依据。 4. 数学基础严谨： 数量经济学离不开数学工具。丛书在介绍经济学模型时，会注重数学推导的严谨性，同时也会根据读者的数学背景，提供必要的预备知识和补充说明，确保读者能够理解理论的精髓，而非仅停留在表面。 5. 学术性与普及性并重： 本丛书面向广泛的读者群体，包括经济学、金融学、统计学、管理学等相关专业的本科生、研究生、博士生，以及从事经济研究、政策分析、金融投资等工作的专业人士。我们力求在保持学术严谨性的同时，以清晰易懂的语言进行阐述，帮助不同背景的读者理解和掌握数量经济学的知识。 丛书内容展望： 《数量经济学系列丛书》将持续更新，不断引入最新的研究成果和发展趋势。我们计划涵盖的主题包括但不限于： 高级计量经济学： 深入探讨断点回归、双重差分、工具变量等因果推断方法，以及大样本理论、局部似然估计、面板模型的高级应用。 计算经济学： 介绍模拟方法（如蒙特卡洛模拟）、数值方法（如动态规划、求解一般均衡模型）在经济学研究中的应用。 机器学习与大数据在经济学中的应用： 探索如何利用机器学习算法进行经济预测、风险评估、消费者行为分析，以及如何处理和分析大规模非结构化经济数据。 行为经济学与实验经济学： 结合数量方法，分析人类的非理性决策、心理偏差以及其在经济活动中的影响。 金融量化建模： 聚焦金融市场的资产定价、风险管理、衍生品定价、高频交易策略等量化模型。 宏观经济动态建模： 深入研究动态随机一般均衡（DSGE）模型、代理人基模型（ABM）等用于宏观经济分析和政策模拟。 空间计量经济学： 分析经济活动中的空间依赖性，如地区间的溢出效应、地理因素的影响等。 网络经济学： 探讨经济主体之间形成的复杂网络结构如何影响经济行为和市场结果。 《数量经济学系列丛书》旨在成为读者在数量经济学领域学习和研究的可靠伙伴。我们相信，通过掌握这些先进的数量工具和理论，读者将能更深刻地理解经济运行规律，更有效地分析和解决经济问题，为学术研究和实际应用提供坚实支撑。

评分☆☆☆☆☆

读完这本书，我对R语言在金融定量分析中的应用有了全新的认识。我不再觉得它只是一个冰冷的工具，而是充满了智慧和可能性的分析平台。书中对许多前沿的金融建模技术，如机器学习在量化交易中的应用、文本挖掘在金融舆情分析中的作用等，都有所涉及，这让我对未来的金融科技发展有了更清晰的预判。同时，书中也鼓励读者进行创新，探索新的分析方法，这激发了我进一步学习和研究的动力。

评分☆☆☆☆☆

这本书的语言风格非常专业，但也并不生涩。作者在解释复杂的概念时，会用通俗易懂的语言进行阐述，并且会通过图表和公式来辅助说明，使得理解起来更加直观。我尤其喜欢书中对于一些经典金融模型，如CAPM模型、Black-Scholes期权定价模型等的介绍，作者不仅给出了它们的数学推导，还详细讲解了它们在R语言中的实现方式，以及在实际应用中需要注意的细节。这些内容让我对这些模型有了更深刻的认识，也为我今后的研究打下了坚实的基础。

评分☆☆☆☆☆

光盘的附带，也为这本书增色不少。上面包含了书中所有案例的代码、示例数据以及一些辅助工具。这意味着我无需再手动输入大量的代码，可以直接下载、运行，并在此基础上进行修改和扩展。这对于初学者来说，无疑大大降低了学习门槛，也节省了宝贵的时间。同时，我也能通过分析光盘中的数据，更好地理解书中的概念，并在实际操作中加深印象。这种“软硬件”结合的学习模式，让我感觉自己获得了一套完整的解决方案，而不是仅仅一本纸质的教材。

评分☆☆☆☆☆

这本书的封面设计，说实话，一开始并没有特别吸引我。那个“数量经济学系列丛书”的字样，虽然表明了它的学术定位，但也让我心生一丝畏惧，总觉得里面会充斥着晦涩难懂的公式和理论，与我日常的工作和学习有些距离。不过，当我翻开第一页，看到“R软件及其在金融定量分析中的应用”这个标题时，我的兴趣还是被点燃了。金融定量分析，这个领域近年来发展迅猛，吸引了无数的从业者和研究者。而R语言，作为一款开源、强大的统计分析语言，在学术界和业界的口碑都相当不错。我一直想深入了解R在金融领域的具体应用，掌握一些实用的分析工具，因此这本书的出现，恰好能填补我的知识空白。

评分☆☆☆☆☆

这本书最大的亮点之一，我认为在于它对R语言在金融定量分析中的“实操性”的强调。它不仅仅是介绍理论，更是提供了一整套行之有效的解决方案。从数据获取、清洗、预处理，到各种统计模型的构建和应用，再到结果的可视化和解释，书中都给出了详尽的指导。我尤其欣赏的是，作者在讲解每一个模型或方法时，都会深入剖析其背后的数学原理和统计假设，并且会结合实际的金融数据进行演示。这种理论与实践相结合的深度，让我在学习过程中，不仅知其然，更知其所以然。

评分☆☆☆☆☆

这本书的结构设计，可以说是一门艺术。每一章的开篇都会给出本章的学习目标，并在结尾进行总结，形成了一个完整的学习闭环。这种精心的编排，使得学习过程更加有条理，也更容易跟踪自己的学习进度。我尤其喜欢书中对“如何解读模型结果”这一环节的重视，因为很多时候，即使模型构建得再完美，如果不能正确解读其结果，也失去了分析的意义。本书在这方面提供了很多有价值的指导，让我能够更准确、更深入地理解金融数据的内在含义。

评分☆☆☆☆☆

在学习过程中，我发现这本书的内容涵盖的范围相当广泛，从基础的统计分析到高级的机器学习模型，几乎涵盖了金融定量分析的各个方面。比如，书中对时间序列分析的讲解就非常透彻，包括ARIMA模型、GARCH模型等，这些都是在金融市场波动性分析中非常重要的工具。此外，对回归分析、因子分析、聚类分析等方法的介绍也相当详尽，并提供了相应的R语言实现代码。这让我感觉，只要认真学习这本书，就能够掌握一套相当全面的金融定量分析技能。

评分☆☆☆☆☆

总的来说，这本书给我带来了非常丰富和深刻的学习体验。它不仅仅是一本技术手册，更是一本能够启发思考、引导实践的宝典。作者的专业知识和丰富的经验，通过这本书得到了充分的体现。我非常庆幸能够读到这样一本高质量的书籍，它不仅提升了我的专业技能，也让我对金融定量分析这个领域产生了更浓厚的兴趣。我强烈推荐这本书给所有对金融定量分析感兴趣的读者，无论是学生、研究人员，还是金融从业者，相信都能从中获益匪浅。

评分☆☆☆☆☆

我非常看重一本书的“可迁移性”，即学到的知识是否能够灵活地应用到不同的场景中。这本书在这方面做得很好。它提供的R语言代码，不仅仅是针对某一个特定问题，而是具有一定的通用性，稍加修改就可以应用于其他类似的问题。例如，书中关于数据可视化的部分，介绍了很多实用的R绘图函数和技巧，学会之后，我可以用它们来绘制各种复杂的金融图表，以便更好地展示数据和分析结果。这种“举一反三”的能力，是衡量一本书价值的重要标准。

评分☆☆☆☆☆

试读了部分章节后，我发现这本书的内容组织非常清晰，逻辑性也很强。作者并没有一开始就抛出复杂的模型，而是从R语言的基础语法和安装入手，循序渐进地引导读者进入金融定量分析的世界。对于像我这样R语言新手来说，这种“手把手”的教学方式非常友好，让我能够快速上手，不再被繁琐的软件操作所困扰。书中的案例分析也紧密结合了实际的金融场景，比如股票价格预测、风险评估、投资组合优化等，这些都是我在工作中经常会遇到的问题。通过学习书中的代码示例，我不仅能理解其中的原理，还能直接将这些方法应用到自己的实际工作中，大大提高了工作效率。

评分☆☆☆☆☆

值得拥有，特别在金融数据采集方面，很好。

评分☆☆☆☆☆

好书，值得拥有

评分☆☆☆☆☆

好

评分☆☆☆☆☆

整体还好，就是封面有所破损，估计是在运输过程中的拖拉所致

评分☆☆☆☆☆

书本包装很好，很不错，希望能好好利用

评分☆☆☆☆☆

整体还好，就是封面有所破损，估计是在运输过程中的拖拉所致

评分☆☆☆☆☆

太好了，非常详细及时的专业用书

评分☆☆☆☆☆

比较有用的

评分☆☆☆☆☆

书本其实还是很有用的