R語言計量金融分析與應(yīng)用

目 錄
第1章 最簡單的統(tǒng)計分析原理 1
1.1 統(tǒng)計分析原理 2
1.1.1　估計原理 3
1.1.2　檢驗原理 4
1.2 函數(shù)原理和數(shù)據(jù)分析 5
1.3 再進(jìn)一步 6
第2章 R的基本環(huán)境與安裝 8
2.1 R與網(wǎng)絡(luò)資源 8
2.2 安裝系統(tǒng)程序 10
2.3 更改語言模式 14
第3章 R的IDE模式 18
3.1 R Commander 18
3.2 Deducer 21
3.3 RStudio 23
3.3.1　安裝 23
3.3.2　更改界面 26
3.3.3　產(chǎn)生文件 27
3.3.4　Mark Down 28
第4章 數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)處理 31
4.1 R的數(shù)據(jù)結(jié)構(gòu) 31
4.1.1　vectors 向量 32
4.1.2　matrix 矩陣 35
4.1.3　array 數(shù)組 37
4.1.4　data frame 數(shù)據(jù)框 38
4.1.5　time series 時間序列 40
4.1.6　list 列表 41
4.2 數(shù)據(jù)處理 43
4.2.1　向量處理 43
4.2.2　矩陣處理 48
4.2.3　數(shù)據(jù)框data.frame對象的數(shù)據(jù)處理 50
4.2.4　字符串對象的處理 53
4.2.5　從連續(xù)性質(zhì)的數(shù)據(jù)定義分組因子 55
第5章 數(shù)據(jù)存取和基本處理 57
5.1 外部數(shù)據(jù)讀取 57
5.1.1　載入 .csv 格式的數(shù)據(jù) 58
5.1.2　載入 .txt 格式的數(shù)據(jù) 59
5.1.3　載入 xls 和 xlsx 格式的數(shù)據(jù) 60
5.1.4　將數(shù)據(jù)存儲與輸出 62
5.2 數(shù)據(jù)的基本統(tǒng)計分析library(fBasics) 64
5.2.1　基本統(tǒng)計量：basicStats() 64
5.2.2　相關(guān)性檢驗：correlationTest() 65
5.3 網(wǎng)絡(luò)數(shù)據(jù)下載 68
5.4 數(shù)據(jù)庫讀取——MySQL范例 73
5.5 數(shù)據(jù)表處理的函數(shù) 76
5.5.1　函數(shù)split對數(shù)據(jù)的分割 76
5.5.2　函數(shù)apply()系列 77
第6章 探索性數(shù)據(jù)分析和可視化 81
6.1 數(shù)據(jù)性質(zhì)的可視化分析 83
6.2 繪圖函數(shù)plot() 85
6.3 3D立體繪圖 91
6.4 Imaging Correlation相關(guān)性影像圖 94
6.5 lattice和Multi-way 98
6.6 其他 113
6.6.1　curve()函數(shù)曲線繪圖 113
6.6.2　保存圖形 114
第7章 回歸分析方法 116
7.1 線性回歸的基本原理——最小二乘法 116
7.2 單變量線性回歸 117
7.3 連續(xù)變量線性復(fù)回歸 125
7.3.1　兩個解釋變量相異 125
7.3.2　多項式回歸——解釋變量的冪次方 125
7.4 因子和交互效果 126
7.4.1　因子回歸 126
7.4.2　交互效果 127
7.4.3　考慮殘差異質(zhì)性的魯棒協(xié)方差 129
7.5 回歸診斷檢驗 130
7.5.1　異質(zhì)殘差檢驗 130
7.5.2　回歸函數(shù)形式判定 131
7.6 簡單時間序列回歸：dynlm() 133
7.7 線性重合檢驗 135
第8章 時間序列入門 137
8.1 時間序列性質(zhì) 137
8.2 時間序列數(shù)據(jù)的建立與繪圖 138
8.2.1　時間序列的時間格式 138
8.2.2　時間序列繪圖 139
8.3 單組時間序列的性質(zhì) 143
8.3.1　ACF、PACF和序列相關(guān)檢驗 143
8.3.2　Linear filters，時間序列性質(zhì)線性過濾和趨勢預(yù)測 144
8.3.3　BDS independence test 時間序列獨(dú)立同分布檢驗 149
8.3.4　方差比檢驗 151
8.4 ARMA（自回歸移動平均）過程 153
8.4.1　一般ARMA模式 153
8.4.2　季節(jié)ARMA 154
8.5 序列相關(guān)與檢驗 156
8.5.1　原理 156
8.5.2　回歸修正：對原回歸殘差做二階序列相關(guān)修正 157
8.6 時間序列預(yù)測 158
8.6.1　基本概念 158
8.6.2　預(yù)測表現(xiàn)評估 158
8.7 ARIMA和Seasonal ARIMA的自動配置 161
8.8 VAR多變量 162
8.8.1　原理 162
8.8.2　R程序包與程序范例 163
第9章 波動分析 170
9.1 單變量GARCH原理 170
9.1.1　標(biāo)準(zhǔn)GARCH 171
9.1.2　非對稱GARCH 172
9.2 簡單單變量GARCH程序包tseries 173
9.2.1　數(shù)據(jù)的ARCH效果檢驗 173
9.2.2　標(biāo)準(zhǔn)GARCH估計 174
9.2.3　標(biāo)準(zhǔn)GARCH估計程序包fGarch 176
9.3 專業(yè)GARCH程序包rugarch 181
9.3.1　rugarch的基本結(jié)構(gòu) 181
9.3.2　rugarch的高級設(shè)置 188
9.3.3　iClick 程序包的統(tǒng)一處理 189
9.4 多變量GARCH程序包rmgarch 190
9.4.1　多變量GARCH原理 190
9.4.2　R程序包 rmgarch 192
第10章 非定態(tài)時間序列 201
10.1 單位根檢驗 201
10.2 協(xié)整分析 209
10.2.1　ECM的基本形態(tài)（Engle 和 Granger在1987年提出） 209
10.2.2　Threshold VECM（閾值VECM） 215
10.3 具有閾值的單位根過程 217
第11章 時間序列的結(jié)構(gòu)變動 224
11.1 基本原理的認(rèn)識 224
11.1.1　efp方法 224
11.1.2　F檢驗法 231
11.2 Bai-Perron和Zeileis et al.的方法 233
11.2.1　原理 233
11.2.2　R 范例程序解說 235
第12章 價差與計量套利 242
12.1 價差原理 242
12.1.1　典型價差交易：期貨 vs. 現(xiàn)貨 242
12.1.2　時間價差（Calendar/Terms spread）：遠(yuǎn)月 vs. 近月 242
12.1.3　規(guī)律的價格差距 243
12.1.4　商品間的趨勢價差 243
12.2 風(fēng)險溢價的高級應(yīng)用 244
12.2.1　風(fēng)險溢價的進(jìn)一步認(rèn)識 244
12.2.2　價差與套利的計量經(jīng)濟(jì)學(xué) 245
第13章 R的金融工具箱 253
13.1 時間序列對象的三大程序包 253
13.1.1　基本數(shù)據(jù)處理 253
13.1.2　程序包timeSeries的財務(wù)函數(shù) 254
13.2 fBasics程序包的財務(wù)時間序列性質(zhì)摘要 255
13.3 fAssets程序包的風(fēng)險與報酬 256
13.4 PerformanceAnalytics程序包的績效指標(biāo) 256
13.5 quantmod程序包的技術(shù)分析 257
13.6 程序編寫的簡單技巧 259
13.6.1　循環(huán) 259
13.6.2　條件控制語句 260
13.6.3　定義函數(shù) 261
第14章 風(fēng)險與投資組合分析 265
14.1 資產(chǎn)選擇初步 265
14.1.1　夏普不等式原理 265
14.1.2　R Code 265
14.2 多元化投資組合與回測 267
14.2.1　原理 267
14.2.2　R Code 269
第15章 金融大數(shù)據(jù)的處理 278
15.1 bigmemory 278
15.2 FF 281
15.3 bigmemory測試范例 283
15.4 高頻率時間序列的時間格式 286
15.4.1　格式 286
15.4.2　程序包 data.table 288
附錄A 廣義線性模式GLM 290
A.1 二元變量的Probit/Logit GLM 293
A.1.1　估計 293
A.1.2　擬合檢驗 295
A.1.3　優(yōu)勢比 296
A.1.4　超擴(kuò)散和參數(shù)方差修正 296
A.2 有序選擇變量的Probit/Logit GLM 297
A.3 計數(shù)型變量的Poisson GLM 300
A.4 多元選擇 GLM——Multinomial Probit/Logit 301