金融定量分析與S-Plus運用（簡體書）

隨著現代金融朝著數理化、微觀化和工程化的趨勢發展，運用模型量化分析金融數據已成為學術研究和實踐運用的主流模式，掌握分析技術原理和實現方法已成為金融方向研究人員或金融從業技術人員的基本素質，也是目前高校金融、經濟類專業人才培養的必修內容。目前相關書籍可以歸為兩類：一類屬“理論類”，側重於理論，強調嚴謹的數學推導；另一類屬“應用類”，側重於運用，強調方法通過軟件實現。《金融定量分析與S-Plus運用》力求找到理論與運用的平衡。為了說明原理，有嚴謹的推導過程，但儘量簡潔。在此基礎上，重點解析了對應方法在軟件中的實現過程。《金融定量分析與S-Plus運用》適合金融專業師生、金融方向研究人員以及金融從業技術人員參考閱讀。

朱敏，1978年出生於上海，上海師範大學金融學院講師，復旦大學世界經濟系博士畢業。在校為本科生開設《金融衍生產品》、《金融時間序列分析》等課程，目前主要研究金融風險管理。在《財經硼究》、《產業經濟研究》等學術期刊發表淪文近十篇。現主持市級課題一項。經濟學博士，講師。現任職于上海師範大學商學院經濟系，主要講授“宏觀經濟學”、“經濟學說史”、“經濟博奔論”等課程。主要研究領域為：經濟增長、金融發展、金融市場和金融機構。在《財政研究》、《上海經濟研究》、《經濟科學》等csscI期刊上發表論文多篇。參與編寫《信用風險管理》等專業教材。

隨著現代金融朝著數理化、微觀化和工程化的趨勢發展，運用模型量化分析金融數據已成為學術研究和實踐運用的主流模式，掌握分析技術原理和實現方法已成為金融方向研究人員或金融從業技術人員的基本素質，也是目前高校金融、經濟類專業人才培養的必修內容。
金融定量研究的對象基本都是時間序列數據，因而主要運用經濟計量學的專門方法即“時間序列分析”來分析處理數據，這也使得“時間序列分析”成為金融定量分析技術學習的主要內容。由于較多運用了矩陣分析和隨機分析等數學內容，使得非數學專業學生在學習這部分知識時有較大困難。
《金融定量分析與S-Plus運用(十二五經濟管理類實驗系列規劃教材)》(作者朱敏、王翔)力求找到理論與運用的平衡。

第1章 S-Plus的基本使用方法1.1 S-Plus軟件簡介1.2 s語言的基本對象1.2.1 向量1.2.2 矩陣1.2.3 因子1.2.4 列表1.2.5 數據框1.3 S語言的基本語法1.3.1 分支語句1.3.2 循環語句1.4 S語言的自編函數1.4.1 工作空間管理1.4.2 參數（自變量）1.4.3 作用域1.5 S-P1us的繪圖1.5.1 散點圖1.5.2 密度函數的繪製1.5.3 多組數據的圖形繪製1.5.4 多圖控制1.6 用SPlus讀寫數據文件1.6.1 文本格式文件的讀寫方式1.6.2 特定數據源數據的讀寫方式1.6.3 利用菜單讀寫數據1.7 數據的基本處理方法S1.7.1 特定數據的選擇1.7.2 數據的合併1.7.3 數據的排序1.7.4 數據的篩選第2章 金融時間序列數據的處理方法2.1 時間序列數據2.1.1 &"timeSeries&"對象2.1.2 &"timeSeries&"的基本操作2.1.3 &"timeDate&"對象2.1.4 &"timeDate&"對象的基本操作2.1.5 遞增時間序列的生成方法2.1.6 生成“timeSeries”對象2.1.7 時間序列數據的分組統計2.1.8 時間序列數據的合併2.1.9缺失值的處理方法j2.2 在S-Plus中對時間序列的處理2.2.1 生成滯後和差分.2.2.2 收益率的定義2.2.3 收益率的計算2.2.4 收益率的特徵第3章 時間序列數據的回歸分析.3.1 最小二乘估計量3.1.1 線性回歸模型的矩陣方法：0LS的數值性質3.1.2 回歸模型的經典假設：0IS的統計性質3.2 OLS估計量的有限樣本性質3.2.1 估計量口的有限樣本性質3.2.2 隨機擾動項的方差估計量孑的有限樣本性質3.2.3 時間序列的有限樣本性質3.3 假設檢驗3.3.1 個別回歸係數的假設檢驗3.3.2 線性約束檢驗3.3.3 不包括常數項的所有係數的統計顯著性：F統計量3.4 違背經典假設數據的問題與處理3.4.1 異方差3.4.2 自相關3.5 使用S+Finmetrics函數“0LS”進行時間序列回歸第4章 平穩時間序列模型4.1 平穩時間序列的幾個重要概念4.1.1 平穩性4.1.2 自相關4.1.3 偏自相關4.2 自回歸模型4.2.1 AR（1）模型4.2.2 AR（1）模型的識別特徵4.2.3 AR（1）模型的生成程序4.2.4 AR（1）模型的估計4.2.5 AR（2）模型4.2.6 AR（D）模型4.2.7 自回歸模型的建模法則4.2.8 自回歸模型的預測4.3 移動平均模型4.3.1 MA（1）模型4.3.2 MA（1）模型的識別特徵4.3.3 MA（1）模型的生成程序4.3.4 MA（1）模型的估計4.3.5 MA（2）模型4.3.6 MA（q）模型4.3.7 移動平均模型的建模法則4.3.8 移動平均模型的預測4.4 自回歸移動平均模型4.4.1 ARMA（1，1）模型4.4.2 ARMA（1，1）的識別特徵4.4.3 ARMA（1，1）的生成程序4.4.4 ARMA模型的建模法則4.4.5 自回歸移動平均模型的預測第5章 波動率建模5.1 ARCH模型5.1.1 ARCH模型的結構5.1.2 ARCH模型的性質5.1.3 ARCH模型的診斷5.1.4 ARCH模型的估計5.1.5 ARCH模型的預測5.2 GARCt{模型5.2.1 GARCH模型的結構5.2.2 GARCH模型的性質5.2.3 GARCH模型的估計方法5.2.4 GARCH模型的優選5.2.5 CARCH模型的預測5.3 風險效應模型5.3.1 風險效應5.3.2 GARCH—M模型5.3.3 GARCH—M模型的估計5.3.4 GARCH—M模型的預測5.4 杠杆效應模型5.4.1 波動的非對稱性5.4.2 杠杆效應的檢驗5.4.3 EGARCH模型5.4.4 EGARCH模型的估計5.4.5 EGARCH模型的預測5.4.6 TGARCH模型5.4.7 TGARCH模型的估計5.5 含有外生變量的GARcH模型5.5.1 外生變量與GARCH模型5.5.2 含有外生變量的GARCI-{模型估計第6章 非平穩序列與單位根6.1 非平穩序列6.1.1 隨機遊走6.1.2 帶漂移的隨機遊走6.2 偽回歸6.3 DF檢驗6.3.1 DF檢驗的基本思想6.3.2 DF統計量的構造6.3.3 蒙特卡洛模擬與DF分佈的獲取6.3.4 S-Plus中DF檢驗方法6.4 ADF檢驗6.4.1 ADF檢驗的基本概念6.4.2 ADF檢驗的經驗法則6.5 單位根檢驗的一個實際例子第7章 向量自回歸7.1 向量自回歸（VAR）模型的構造7.2 VAR模型的殘差滯後項表達式7.2.1 VAR模型的估計方法7.2.2 VAR模型滯後階數的選擇7.2.3 VAR模型的穩定性條件7.3 格蘭傑因果檢驗7.3.1 格蘭傑因果檢驗的定義7.3.2 F檢驗7.3.3 Wald檢驗7.4 VAR模型的脈衝響應分析7.5 VAR模型預測誤差的方差分解7.6 結構向量自回歸7.6.1 結構模型還原的識別條件7.6.2 S，VAR模型的一般形式7.6.3 SVAR模型的似然估計7.6.4 長期累積效應約束與BQ分解7.6.5 SVAR模型的脈衝響應函數7.7 結構向量自回歸的實例7.7.1 基於VAR（2）的模型7.7.2 基於SVAR（2）的模型第8章 協整與誤差修正模型8.1 協整的概念8.1.1 單整8.1.2 協整的定義8.2 兩個變量的協整分析8.2.1 協整檢驗的基本思想8.2.2 誤差修正模型8.2.3 E-G兩部法8.3 多個變量的協整分析8.3.1 向量的協整8.3.2 Joharon檢驗參考文獻