经济与金融计量方法(原理应用案例及R语言实现)/数据科学与大数据分析丛书

本书主要论述了概率、统计与R语言基础，单变量和多变量时间序列分析，非线性时间序列分析，面板数据分析，高频数据分析，并在*后选择经济金融领域几个长盛不衰的研究范例，运用书中讲解的模型，采用R语言去实现对计量模型结果的解读。 本书是为大众读者，特别是广大经济、金融专业的本科生和研究生读者提供的研究模板和实证方法手册。

目 录 Contents 推荐序 自序 前言 第一部分　R语言及概率、统计基础 第1章　R语言概览 / 2 1.1　选择R语言的理由 / 2 1.2　R的安装 / 4 1.3　R使用概览 / 6 1.4　常用的图形用户界面 / 10 第2章　数据结构及数据对象处理 / 21 2.1　数据类型 / 21 2.2　数据结构 / 22 2.3　常规数据对象的处理 / 30 2.4　时间序列对象的处理 / 39 第3章　数据存取及预处理 / 51 3.1　数据文件读取 / 51 3.2　数据的网络获取 / 57 3.3　数据库访问 / 65 3.4　数据处理常用函数 / 71 3.5　数据的基本统计分析 / 74 第4章　R的绘图工具 / 79 4.1　数据分布特征的视觉化 / 79 4.2　基础绘图函数plot() / 82 4.3　多笔数据的视觉呈现 / 88 4.4　多因素分析与栅格图 / 98 4.5　时间序列图形的绘制 / 108 4.6　三维立体图形的绘制 / 117 4.7　地图相关图形的绘制 / 119 4.8　函数曲线的绘制 / 122 4.9　图形的外部存储 / 123 第5章　概率与统计分析原理 / 125 5.1　统计分析原理 / 126 5.2　函数原理和数据分析 / 129 5.3　R的金融工具箱 / 131 第6章　线性模型 / 137 6.1　基础线性回归原理：最小二乘法 / 137 6.2　单变量线性回归 / 138 6.3　多元连续变量线性回归 / 144 6.4　因子和交互效果 / 146 6.5　回归诊断检验 / 149 6.6　简单时间序列回归：dynlm() / 151 6.7　共线性检验 / 153 第7章　线性模型的扩展 / 155 7.1　广义线性模型 / 155 7.2　稳健统计量 / 167 第二部分　单变量时间序列分析 第8章　时间序列的平稳性I （0）和I （1） / 174 8.1　时间序列性质 / 174 8.2　单笔时间序列性质 / 175 8.3　ARMA过程 / 182 8.4　序列相关的检验与修正 / 184 8.5　时间序列预测 / 186 8.6　ARIMA和季节ARIMA的自动配置 / 188 8.7　非平稳时间序列及其单位根检验 / 189 第9章　单变量GARCH模型 / 196 9.1　单变量GARCH原理 / 196 9.2　单变量GARCH的简易操作 / 199 9.3　单变量GARCH的专业处理 / 206 第三部分　多变量时间序列分析 第10章　向量自回归和误差修正模型 / 214 10.1　平稳VAR多变量原理 / 214 10.2　R包与VAR程序范例 / 215 10.3　VECM的协整分析 / 220 第11章　多变量GARCH模型 / 226 11.1　多变量GARCH原理 / 226 11.2　多变量GARCH的处理rmgarch包 / 228 11.3　设定条件的多样化 / 233 第12章　多变量的投资组合运用 / 234 12.1　初步选择资产 / 234 12.2　多元化投资组合与回测 / 236 第四部分　非线性时间序列分析 第13章　门限和平滑转移 / 246 13.1　门限单位根过程 / 246 13.2　门限VAR / 251 13.3　门限VECM / 254 13.4　平滑转换模型 / 256 第14章　结构变化 / 257 14.1　结构变化的检验 / 257 14.2　Bai-Perron方法 / 266 第15章　马尔科夫转换模型 / 273 15.1　模型简介 / 273 15.2　R范例程序说明 / 277 第五部分　面板数据分析 第16章　面板数据及其模型 / 290 16.1　概述 / 290 16.2　基本线性模型 / 295 16.3　维度N的异质性 / 297 第17章　面板数据模型的检验 / 307 17.1　固定效应模型 / 307 17.2　随机效应模型 / 308 17.3　随机效应与固定效应的选择 / 310 17.4　序列相关检验 / 312 17.5　序列相关的修正 / 315 第18章　面板数据的延伸主题 / 323 18.1　动态面板数据与广义矩GMM估计 / 323 18.2　具门限效果的面板回归 / 327 第六部分　高频数据分析 第19章　混频模型：MIDAS / 330 19.1　MIDAS的原理 / 330 19.2　MIDAS在R中的实现 / 332 第七部分　研究实例及R实现 第20章　基于已实现GARCH的高频数据波动率建模 / 340 20.1　模型介绍 / 340 20.2　中国股市的实证研究案例 / 341 20.3　本章小结 / 346 第21章　基于DCC-GARCH的波动率溢出研究 / 347 21.1　模型的特征与估计原理 / 347 21.2　中美股市动态相关性实证研究案例 / 348 第22章　基于TVAR和VAR的量价关系研究 / 354 22.1　基于TVAR的标准普尔500指数量价关系研究 / 354 22.2　基于VAR的道琼斯指数量价关系研究 / 357 第23章　沪港通对A + H股联动性的影响 / 362 23.1　选题介绍 / 362 23.2　文献综述 / 362 23.3　实证方法：DCC-GARCH模型及其估计原理 / 363 23.4　数据处理与实证结果 / 364 第24章　铜期货与现货的协整关系 / 373 24.1　门限VECM模型概述 / 373 24.2　背景概述 / 373 24.3　数据处理与实证结果 / 374 第25章　沪深300股指期现货关系的实证研究 / 381 25.1　背景介绍 / 381 25.2　文献综述 / 381 25.3　数据处理与实证结果 / 382 25.4　研究结论 / 386 第26章　中国商品期货指数通胀对冲能力的实证研究 / 387 26.1　背景介绍 / 387 26.2　相关文献综述 / 388 26.3　通胀对冲定义 / 388 26.4　数据处理与实证结果 / 388 26.5　主要的R程序代码及其说明 / 391 参考文献 / 393 后记 / 400