金融統計與數據分析（簡體書）

本書內容涉及金融學中的統計模型和數據分析的諸多內容，與一般偏重於單純介紹理論知識和模型的著作不同，它把統計模型和金融模型聯繫在一起，寓統計學知識于金融學之中，並且用R軟件做出了完美的應用程序。主要內容包括收益、固定收益證券、探索性數據分析、建模一元分佈、再抽樣、多元統計模型、Copulas、時間序列模型、證券投資組合理論、回歸、協整分析、固定資產定價模型、因子模型和主成分分析、GARCH模型、風險管理、貝葉斯數據分析和MCMC、非參數回歸和樣條。

戴維‧羅伯特，康奈爾大學運籌學和信息工程學院統計學教授、Andrew Schultz, Jr.工程學教授。

目錄
前言
第1章引言
1.1文獻注記
1.2參考文獻
第2章收益
2.1引言
2.1.1淨收益率
2.1.2總收益率
2.1.3對數收益率
2.1.4股息調整
2.2隨機遊走模型
2.2.1隨機遊走
2.2.2幾何隨機遊走
2.2.3對數價格是對數正態的幾何隨機遊走嗎
2.3文獻注記
2.4參考文獻
2.5R實驗室
2.5.1數據分析
2.5.2模擬
2.6習題
第3章固定收入證券
3.1引言
3.2零息債券
3.3有息票債券
3.4到期收益率
3.4.1計算到期收益率的一般方法
3.4.2即期匯率
3.5期限結構
3.5.1引言：利率取決於到期時間
3.5.2期限結構的描述
3.6連續複利
3.7連續的遠期利率
3.8價格對收益率的敏感性
3.9文獻注記
3.10參考文獻
3.11R實驗室
3.11.1計算到期收益
3.11.2 繪製收益曲線
3.12習題
第4章探索性數據分析
4.1引言
4.2直方圖和核密度估計
4.3順序統計量、樣本CDF與樣本分位數
4.3.1樣本分位數的中心極限定理
4.3.2正態概率圖
4.3.3半正態圖
4.3.4QQ圖
4.4正態性檢驗
4.5箱形圖
4.6數據變換
4.7變換幾何
4.8變換核密度估計
4.9文獻注記
4.10參考文獻
4.11R實驗室
4.12習題
第5章單變量分佈建模
5.1引言
5.2參數模型與簡約性
5.3位置參數、尺度參數和形狀參數
5.4偏度、峰度和矩
5.4.1JarqueBera檢驗
5.4.2矩
5.5重尾分佈
5.5.1指數和多項式尾部
5.5.2t分佈
5.5.3混合模型
5.6廣義誤差分佈
5.7從對稱分佈創建偏度
5.8基於分位數的位置、尺度和形狀參數
5.9最大似然估計
5.10MLE的Fisher信息和中心極限定理
5.11似然比檢驗
5.12AIC與BIC
5.13驗證數據和交叉驗證
5.14由最大似然法擬合分佈
5.15剖面似然
5.16穩健估計
5.17帶有參數變換的變換核密度估計
5.18文獻注記
5.19參考文獻
5.20R實驗室
5.20.1收入數據
5.20.2DAX收益
5.21習題
第6章再抽樣
6.1引言
6.2偏差、標準差和MSE的自助法估計
6.3自助法置信區間
6.3.1正態近似區間
6.3.2自助法t區間
6.3.3基本的自助法區間
6.3.4百分位數置信區間
6.4文獻注記
6.5參考文獻
6.6R實驗室
6.7習題
第7章多元統計模型
7.1引言
7.2協方差和相關矩陣
7.3隨機變量的線性函數
7.3.1兩個或更多隨機變量的線性組合
7.3.2獨立與和的方差
7.4散點圖矩陣
7.5多元正態分佈
7.6多元t分佈
7.7用最大似然來擬合多元t分佈
7.8橢圓輪廓密度
7.9多元有偏t分佈
7.10Fisher信息矩陣
7.11多元數據自助法
7.12文獻注記
7.13參考文獻
7.14R實驗室
7.14.1股票收益
7.14.2擬合多元t分佈
7.14.3擬合一個二元t分佈
7.15習題
第8章copula
8.1引言
8.2特殊copula
8.3高斯copula和tcopula
8.4阿基米德copula
8.4.1弗蘭克copula
8.4.2Clayton copula
8.4.3Gumbel copula
8.5秩相關
8.5.1肯德爾的tau相關係數
8.5.2斯皮爾曼相關係數
8.6尾部相關
8.7計算copula
8.7.1最大似然
8.7.2擬最大似然估計
8.7.3計算元高斯分佈和元t分佈
8.8文獻注記
8.9參考文獻
8.10R實驗室
8.10.1模擬copula
8.10.2對收益數據擬合copula
8.11習題
第9章時間序列模型:基礎知識
9.1時間序列數據
9.2平穩過程
9.2.1白噪聲
9.2.2預測白噪聲
9.3估計平穩過程的參數
9.4AR（1）過程
9.4.1弱平穩AR（1）過程的性質
9.4.2收斂到平穩分佈
9.4.3非平穩AR（1）過程
9.5AR（1）過程的估計
9.5.1殘差與模型檢驗
9.5.2最大似然和條件最小二乘
9.6AR（p）模型
9.7滑動平均過程
9.7.1MA（1）過程
9.7.2一般的MA過程
9.8ARMA過程
9.8.1後向算子
9.8.2ARMA模型
9.8.3ARMA（1，1）過程
9.8.4ARMA參數估計
9.8.5差分算子
9.9ARIMA過程
9.10單位根檢驗
9.11自動選擇一個ARIMA模型
9.12預測
9.12.1預測誤差和預測區間
9.12.2通過模擬計算預測限
9.13偏自相關係數
9.14文獻注記
9.15參考文獻
9.16R實驗室
9.16.1Tbill比率
9.16.2預測
9.17習題
第10章時間序列模型：更多主題
10.1季節性ARIMA模型
10.1.1季節性和非季節性差分
10.1.2乘法ARIMA模型
10.2時間序列的BoxCox變換
10.3多變量時間序列
10.3.1互相關函數
10.3.2多變量白噪聲
10.3.3多變量ARMA過程
10.3.4使用多變量AR模型預測
10.4長記憶過程
10.4.1長記憶平穩模型的需要
10.4.2分數階差分
10.4.3FARIMA過程
10.5自助法時間序列
10.6文獻注記
10.7參考文獻
10.8R實驗室
10.8.1季節性ARIMA模型
10.8.2VAR模型
10.8.3長記憶過程
10.8.4一個ARIMA過程的基於模型的自助法
10.9習題
第11章投資組合理論
11.1權衡預期收益和風險
11.2一種風險資產和一種無風險資產
11.3兩種風險資產
11.4結合兩種風險資產與一種無風險資產
11.4.1兩種風險資產的切線資產組合
11.4.2結合切線資產組合和無風險資產
11.4.3ρ12的效果
11.5賣空
11.6N個風險資產投資組合的風險有效
11.7再抽樣和有效投資組合
11.8文獻注記
11.9參考文獻
11.10R實驗室
11.11習題
第12章回歸：基礎知識
12.1引言
12.2直線回歸
12.2.1最小二乘估計
12.2.2β∧1的方差
12.3多元線性回歸
12.4方差分析、平方和以及R2
12.4.1AOV表
12.4.2自由度
12.4.3均值平方和和F檢驗
12.4.4調整R2
12.5模型選擇
12.6共線性和方差膨脹
12.7偏殘差圖
12.8中心化預測變量
12.9正交多項式
12.10文獻注記
12.11參考文獻
12.12R實驗室
12.13習題
第13章回歸診斷
13.1回歸診斷簡介
13.1.1杠杆值
13.1.2殘差
13.1.3庫克距離
13.2檢驗模型假設
13.2.1非正態分佈
13.2.2非常數方差
13.2.3非線性
13.2.4殘差相關性和偽回歸
13.3文獻注記
13.4參考文獻
13.5R實驗室
13.6習題
第14章回歸：高級主題
14.1帶有ARMA誤差的線性回歸
14.2線性回歸的理論
14.2.1相關噪聲的影響和異方差性
14.2.2回歸的最大似然估計
14.3非線性回歸
14.4從零息債券價格估計遠期利率
14.5雙邊變換回歸
14.6只變換因變量
14.7二元回歸
14.8線性化一個非線性模型
14.9穩健回歸
14.10回歸和最佳線性預測
14.10.1最佳線性預測
14.10.2最佳線性預測的預測誤差
14.10.3回歸是經驗最佳線性預測
14.10.4多元線性預測
14.11回歸對沖
14.12文獻注記
14.13參考文獻
14.14R實驗室
14.14.1帶ARMA噪聲的回歸
14.14.2非線性回歸
14.14.3因變量變換
14.14.4二元回歸：誰得到了空調
14.15習題
第15章協整
15.1引言
15.2向量誤差校正模型
15.3交易策略
15.4文獻注記
15.5參考文獻
15.6R實驗室
15.6.1中等規模公司股票價格協整分析
15.6.2收益的協整分析
15.6.3模擬
15.7習題
第16章資本資產定價模型
16.1CAPM簡介
16.2資本市場線
16.3β值和證券市場線
16.3.1有關β值的例子
16.3.2CML和SML的比較
16.4證券特徵線
16.4.1通過多元化降低特有風險
16.4.2假設合理嗎
16.5一些投資組合理論
16.5.1對市場投資組合風險的貢獻
16.5.2SML的推導
16.6β值的估計和CAPM的檢驗
16.6.1用回歸估計β值
16.6.2檢驗CAPM
16.6.3α值的解釋
16.7CAPM在投資組合分析中的應用
16.8文獻注記
16.9參考文獻
16.10R實驗室
16.11習題
第17章因子模型和主成分
17.1降維
17.2主成分分析
17.3因子模型
17.4用時間序列回歸擬合因子模型
17.4.1Fama和French三因子模型
17.4.2資產回報率的期望和協方差的估計
17.5截面因子模型
17.6統計因子模型
17.7文獻注記
17.8參考文獻
17.9R實驗室
17.9.1主成分分析
17.9.2時間序列回歸擬合因子模型
17.9.3統計因子模型
17.10習題
第18章GARCH模型
18.1引言
18.2估計條件均值和方差
18.3ARCH（1）過程
18.4AR（1）/ARCH(1)模型
18.5ARCH（p）模型
18.6ARIMA(pA,d,qA)/GARCH(pG,qG)模型
18.7具有厚尾的GARCH過程
18.8擬合ARMA/GARCH模型
18.9作為ARMA模型的GARCH模型
18.10GARCH(1,1)過程
18.11APARCH模型
18.12具有ARMA/GARCH誤差的回歸
18.13ARMA/GARCH過程的預測
18.14文獻注記
18.15參考文獻
18.16R實驗室
18.17習題
第19章風險管理
19.1風險管理的必要性
19.2一個資產的VaR和ES的估計
19.2.1VaR與ES的非參數估計
19.2.2VaR與ES的參數估計
19.3用自助法計算VaR與ES的置信區間
19.4用ARMA/GARCH模型估計VaR與ES
19.5一個投資組合的VaR與ES的估計
19.6多項式尾部的VaR估計
19.7帕雷托分佈
19.8持有期與置信係數的選擇
19.9VaR與多樣化
19.10文獻注記
19.11參考文獻
19.12R實驗室
19.13習題
第20章貝葉斯數據分析和MCMC
20.1引言
20.2貝葉斯定理
20.3先驗分佈和後驗分佈
20.4共軛先驗
20.5後驗中心極限定理
20.6後驗區間
20.7馬爾可夫鏈蒙特卡羅方法
20.7.1Gibbs抽樣
20.7.2其他蒙特卡羅抽樣方法
20.7.3MCMC輸出的分析
20.7.4WinBUGS
20.7.5MCMC收斂性和混合的檢驗
20.7.6模型DIC和pD的比較
20.8多層先驗
20.9協方差矩陣的貝葉斯估計
20.9.1多元正態分佈的協方差陣估計
20.9.2多元t分佈的尺度矩陣的估計
20.9.3協方差矩陣的非共軛先驗
20.10一個平穩過程的採樣
20.11文獻注記
20.12參考文獻
20.13R實驗室
20.13.1MCMC擬合t分佈
20.13.2AR模型
20.13.3MA模型
20.13.4ARMA模型
20.14習題
第21章非參數回歸和樣條函數
21.1引言
21.2局部多項式回歸
21.3線性光滑器
21.3.1平滑矩陣和有效自由度
21.3.2AIC和GCV
21.4多項式樣條函數
21.4.1具有一個結的線性樣條函數
21.4.2具有多個結的線性樣條函數
21.4.3二次樣條函數
21.4.4p階樣條函數
21.4.5其他的樣條基
21.5懲罰樣條函數
21.6文獻注記
21.7參考文獻
21.8R實驗室
21.8.1工資、教育和經驗的加法模型
21.8.2短期利率的一個擴展CKLS模型
21.9習題
附錄A來自於概率、統計和代數的事實