金融定量分析与S-Plus运用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

金融定量分析与S-Plus运用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章S-Plus的基本使用方法1

1.1 S-Plus软件简介1

1.2 S语言的基本对象2

1.2.1向量3

1.2.2矩阵6

1.2.3因子10

1.2.4列表12

1.2.5数据框14

1.3 S语言的基本语法16

1.3.1分支语句16

1.3.2循环语句18

1.4 S语言的自编函数21

1.4.1工作空间管理21

1.4.2参数（自变量）23

1.4.3作用域24

1.5 S-Plus的绘图26

1.5.1散点图26

1.5.2密度函数的绘制28

1.5.3多组数据的图形绘制29

1.5.4多图控制30

1.6用S-Plus读写数据文件32

1.6.1文本格式文件的读写方式32

1.6.2特定数据源数据的读写方式33

1.6.3利用菜单读写数据35

1.7数据的基本处理方法37

1.7.1特定数据的选择37

1.7.2数据的合并38

1.7.3数据的排序41

1.7.4数据的筛选42

第2章 金融时间序列数据的处理方法44

2.1时间序列数据44

2.1.1 “timeSeries”对象44

2.1.2 “timeSeries”的基本操作47

2.1.3 “timeDate”对象49

2.1.4 “timeDate”对象的基本操作50

2.1.5递增时间序列的生成方法54

2.1.6生成“timeSeries”对象59

2.1.7时间序列数据的分组统计61

2.1.8时间序列数据的合并65

2.1.9缺失值的处理方法67

2.2在S-Plus中对时间序列的处理67

2.2.1生成滞后和差分68

2.2.2收益率的定义70

2.2.3收益率的计算72

2.2.4收益率的特征74

第3章 时间序列数据的回归分析78

3.1最小二乘估计量78

3.1.1线性回归模型的矩阵方法：OLS的数值性质78

3.1.2回归模型的经典假设：OLS的统计性质81

3.2 OLS估计量的有限样本性质83

3.2.1估计量β的有限样本性质83

3.2.2随机扰动项的方差估计量σ^2的有限样本性质84

3.2.3时间序列的有限样本性质84

3.3假设检验87

3.3.1个别回归系数的假设检验87

3.3.2线性约束检验88

3.3.3不包括常数项的所有系数的统计显著性：F统计量90

3.4违背经典假设数据的问题与处理90

3.4.1异方差90

3.4.2自相关94

3.5使用S+Firmetrics函数“OLS”进行时间序列回归97

第4章 平稳时间序列模型105

4.1平稳时间序列的几个重要概念105

4.1.1平稳性105

4.1.2自相关105

4.1.3偏自相关106

4.2自回归模型106

4.2.1 AR（1）模型107

4.2.2 AR（1）模型的识别特征108

4.2.3 AR（1）模型的生成程序109

4.2.4 AR（1）模型的估计112

4.2.5 AR （2）模型116

4.2.6 AR （p）模型118

4.2.7自回归模型的建模法则119

4.2.8自回归模型的预测123

4.3移动平均模型125

4.3.1 MA（1）模型126

4.3.2 MA（1）模型的识别特征127

4.3.3 MA （1）模型的生成程序128

4.3.4 MA（1）模型的估计129

4.3.5 MA（2）模型130

4.3.6 MA（q）模型133

4.3.7移动平均模型的建模法则133

4.3.8移动平均模型的预测135

4.4自回归移动平均模型137

4.4.1 ARMA （1，1）模型137

4.4.2 ARMA（1，1）的识别特征138

4.4.3 ARMA （1，1）的生成程序139

4.4.4 ARMA模型的建模法则141

4.4.5.自回归移动平均模型的预测143

第5章 波动率建模145

5.1 ARCH模型146

5.1.1 ARCH模型的结构146

5.1.2 ARCH模型的性质146

5.1.3 ARCH模型的诊断148

5.1.4 ARCH模型的估计150

5.1.5 ARCH模型的预测154

5.2 GARCH模型155

5.2.1 GARCH模型的结构155

5.2.2 GARCH模型的性质156

5.2.3 GARCH模型的估计方法159

5.2.4 GARCH模型的优选161

5.2.5 GARCH模型的预测162

5.3风险效应模型163

5.3.1风险效应163

5.3.2 GARCH-M模型164

5.3.3 GARCH-M模型的估计164

5.3.4 GARCH-M模型的预测165

5.4杠杆效应模型166

5.4.1波动的非对称性166

5.4.2杠杆效应的检验166

5.4.3 EGARCH模型168

5.4.4 EGARCH模型的估计169

5.4.5 EGARCH模型的预测172

5.4.6 TGARCH模型174

5.4.7 TGARCH模型的估计175

5.5含有外生变量的GARCH模型176

5.5.1外生变量与GARCH模型177

5.5.2含有外生变量的GARCH模型估计177

第6章 非平稳序列与单位根182

6.1非平稳序列182

6.1.1随机游走182

6.1.2带漂移的随机游走184

6.2伪回归185

6.3 DF检验188

6.3.1 DF检验的基本思想188

6.3.2 DF统计量的构造188

6.3.3蒙特卡洛模拟与DF分布的获取191

6.3.4 S-Plus中DF检验方法197

6.4 ADF检验198

6.4.1 ADF检验的基本概念198

6.4.2 ADF检验的经验法则199

6.5单位根检验的一个实际例子202

第7章向量自回归209

7.1向量自回归（VAR）模型的构造209

7.2 VAR模型的残差滞后项表达式210

7.2.1 VAR模型的估计方法213

7.2.2 VAR模型滞后阶数的选择215

7.2.3 VAR模型的稳定性条件217

7.3格兰杰因果检验221

7.3.1格兰杰因果检验的定义221

7.3.2 F检验222

7.3.3 Wald检验225

7.4 VAR模型的脉冲响应分析229

7.5 VAR模型预测误差的方差分解235

7.6结构向量自回归241

7.6.1结构模型还原的识别条件242

7.6.2 SVAR模型的一般形式244

7.6.3 SVAR模型的似然估计245

7.6.4长期累积效应约束与BQ分解247

7.6.5 SVAR模型的脉冲响应函数250

7.7结构向量自回归的实例253

7.7.1基于VAR（2）的模型253

7.7.2基于SVAR（2）的模型255

第8章协整与误差修正模型260

8.1协整的概念260

8.1.1单整260

8.1.2协整的定义261

8.2两个变量的协整分析264

8.2.1协整检验的基本思想264

8.2.2误差修正模型266

8.2.3 E-G两部法268

8.3多个变量的协整分析272

8.3.1向量的协整275

8.3.2 Johanson检验278

参考文献289