基本信息
- 原书名:An Introduction to Analysis of Financial Data with R
- 原出版社: Wiley
- 作者: (美)Ruey S.Tsay芝加哥大学
- 译者: 李洪成 尚秀芬 郝瑞丽
- 丛书名: 统计学精品译丛
- 出版社:机械工业出版社
- ISBN:9787111435068
- 上架时间:2013-9-27
- 出版日期:2013 年10月
- 开本:16开
- 页码:305
- 版次:1-1
- 所属分类:数学 > 文科、经管、金融、工程数学 > 经济数学

【插图】

编辑推荐
《统计学精品译丛·金融数据分析导论:基于R语言》各章节通过R图形以可视化的形式把讨论主题展现给读者,并以两个详细案例展示了金融中统计学的应用。
内容简介
作译者
蔡瑞胸(Ruey S.Tsay),美国芝加哥大学布斯商学院经济计量及统计学的H.G.B.Alexander讲席教授。1982年于美国威斯康星大学麦迪逊分校获得统计学博士学位。中国台湾“中央研究院”院士,美国统计协会和数理统计学会的会士,Journal of Forecasting的联合主编,Journal of Financial Econometrics的副主编。曾任美国统计学会商务与经济统计分会主席、《商务与经济统计》期刊主编。
目录
推荐序
译者序
前言
第1章 金融数据及其特征1
1.1 资产收益率1
1.2 债券收益和价格5
1.3 隐含波动率7
1.4 R软件包及其演示8
1.4.1 R软件包的安装9
1.4.2 Quantmod软件包9
1.4.3 R的基本命令11
1.5 金融数据的例子12
1.6 收益率的分布性质14
1.7 金融数据的可视化19
1.8 一些统计分布23
1.8.1 正态分布23
1.8.2 对数正态分布23
1.8.3 稳态分布24
1.8.4 正态分布的尺度混合24
译者序
本书应用开源的R软件,结合具体的金融数据来讲解金融数据的分析方法和模型.第1章首先向读者展示了可视化金融数据的基本概念、金融计量模型和它们在现实世界中的丰富应用.第2章从线性时间序列模型开始,介绍常见的金融数据分析模型.第3章介绍了3个金融数据分析的实际案例,读者可以从中学习线性时间序列模型在实际中的应用.第4章介绍了波动率模型.第5章介绍波动率模型在金融中的实际应用.第6章介绍如何处理高频金融数据.第7章介绍用量化方法进行风险管理,包括风险值和条件风险值.
对于实际的金融数据案例,本书应用免费的R软件给出了具体的分析过程和R代码.读者可以按照书中的讲授,一步一步地进行实践,加深对本书内容的理解.
在本书的翻译过程中,我们得到了蔡瑞胸教授的帮助,他帮助译者澄清了一些问题.中文版对原书中发现的错误进行了相应的更正.本书第1章、第3章和第5章由尚秀芬翻译,第2章、第4章、第6章、第7章由李洪成完成,其中郝瑞丽协助翻译了第2章的部分内容.全书由李洪成进行统一定稿.本书的责任编辑盛思源为本书的出版付出了大量的劳动,由于她的认真校对和修订,本书才能及时得以出版.另外,特别感谢明永玲编辑对本书翻译工作的大力支持和帮助.本书的翻译还得到了上海金融学院的领导和同事的帮助和支持,在此一并表示衷心的感谢.由于时间仓促,加之本人的精力和水平有限,翻译不当之处在所难免,请读者和同行指正.
李洪成
2013年6月
前言
为了简化实证数据分析,我决定使用R软件进行所有的分析.这样做是基于下面几个原因.第一,R软件在大多数平台上都能免费使用.第二,已有许多研究人员针对金融数据开发出很好的软件包,尤其是RMetrics提供了许多有用的软件包.第三,R软件添加包的功能正在飞速增加,并且这种趋势还会继续下去.第四,我写过一些简单的R代码,用以在某些场合展示某些具体分析方法.这些代码起两个作用.其一,它们能满足我展示概念和方法的特殊需要.其二,更重要的是,读者只要稍有一些R软件的使用经验就可以简单地修改这些代码和命令以适应他们的需要,从而简化他们的金融数据分析任务.
为了使计量经济学和统计学的理论更简单易懂,我尝试以一种简洁的方法来讲解,并应用大量实际案例来阐释这些内容.本书共有7章,其中两章为案例分析.这两章的案例揭示了统计学与金融学之间的联系.其余章节用来帮助读者理解概念,获取金融数据分析的经验.第1章介绍金融数据,并讨论了汇总统计量和数据可视化的知识.此外,还介绍了R软件,这样读者就可以应用它来探索金融数据.第2章介绍线性时间序列分析的基本内容,涵盖了商业、金融和经济学中常用的一些简单计量经济模型.在保持行文简洁的同时,我尝试使该章内容尽量全面.该章还介绍了指数平滑预测法和模型比较方法.第3章介绍了3个案例学习(case study).其中使用的模型并不简单,但是它们可以帮助读者理解线性时间序列模型在实际应用中的价值和局限性.第4章介绍资产波动率的不同计算方法,以及多种波动率模型.其中讨论的方法包括应用日开盘价、收盘价、最高价和最低价的方法.同样,我尝试使该章的内容尽量全面,同时避免过多的理论细节.第5章介绍波动率模型在金融中的实际应用.该章旨在帮助读者更好地理解波动率的期限结构,以及波动率在金融实践中的应用.第6章介绍如何处理高频金融数据,包括价格变动、交易强度以及实际波动率的简单模型.最后,第7章介绍用量化方法进行风险管理,包括风险值和条件风险值.该章涵盖风险评估的重要计量经济学方法和统计学方法,包含基于极值理论和分位数回归的一些方法.
本书包含许多图表和示例,它们旨在简化金融数据分析的过程,使结果容易理解.限于篇幅,不可避免地省略了一些重要内容.本书涵盖的内容与《Analysis of Financial Time Series》一书有部分重叠,但是本书所用到的案例都是全新的.
借此机会,我感谢我的妻子.如果没有她的关心和帮助,本书就无法完成.同时我也想感谢我的孩子,他们给予我很多灵感,帮助我编辑部分章节.另外还有许多读者和学生不断给予我反馈和建议,他们的意见是弥足珍贵的.最后,我想感谢Steve Quigley、Jacqueline Palmieri和他们的Wiley团队给予我的支持和鼓励.
本书网站:http://faculty.chicagobooth.edu/ruey.tsay/teaching/introTS.
R.S.T
伊利诺伊州芝加哥市
2012年10月
序言
因此,如何进行有用的并且没有危险的金融分析呢?首先应该对金融数据有一个基本的理解,尤其是时间序列数据.因为不确定性是主要的影响因素,例如,可以应用概率模型来描述资产收益率的频率分布.本书给出了大量的时间序列模型,它们可以对数据进行描述、平滑和季节调整.
要成为一个统计分析专家,没有对实际数据的分析经验是绝不可能的.蔡瑞胸教授在本书中给出了进行实际数据分析所需的数据和统计工具.这里的统计分析工具是R软件,它是一款开源的统计软件包,可以和现在的商业软件包媲美.R软件功能强大,免费并且有数千个用于完成特定任务的添加包.蔡教授在书中给出了金融数据分析的几个关键添加包.通过本书提供的数据集,你就可以应用R软件来学习金融时间序列的实际应用.
2013年6月17日
美国统计教育学院,Statistics.com在线课程网站总裁Peter Bruce