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 RGui 4
1.1.4 RStudio 6
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 VaR 231
7.1.2 ES 232
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CAPM 316
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