图书介绍
金融信息分析PDF|Epub|txt|kindle电子书版本网盘下载
- 林建忠编 著
- 出版社： 上海：上海交通大学出版社
- ISBN：9787313127143
- 出版时间：2015
- 标注页数：321页
- 文件大小：46MB
- 文件页数：335页
- 主题词：金融－信息资源－分析
PDF下载
下载说明
金融信息分析PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
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
图书目录
1 金融时间序列及其特征1
1.1 资产收益率1
1.2 收益率的分布性质6
1.2.1 统计分布及其矩的回顾6
1.2.2 收益率的分布13
1.2.3 收益率的经验性质17
1.3 Eviews软件相关操作18
1.3.1 简介18
1.3.2 启动软件包19
1.3.3 创建工作文件21
1.3.4 输入和编辑数据22
1.3.5 查看序列的数据特征24
1.4 习题25
2 线性时间序列分析及其应用26
2.1 平稳性26
2.2 自相关函数27
2.3 自回归模型32
2.3.1 AR模型及性质32
2.3.2 实际中怎样识别AR模型42
2.3.3 拟合优度49
2.3.4 预测49
2.4 移动平均模型53
2.4.1 MA模型的性质53
2.4.2 识别MA的阶54
2.4.3 估计55
2.4.4 用MA模型预测56
2.5 ARMA模型57
2.5.1 ARMA（1，1）模型的性质57
2.5.2 一般的ARMA模型59
2.5.3 识别ARMA模型59
2.5.4 用ARMA模型预测62
2.5.5 ARMA模型的三种表示63
2.6 单位根非平稳时间序列64
2.6.1 随机游动64
2.6.2 带漂移的随机游动65
2.6.3 带趋势项的时间序列66
2.6.4 单整与单位根非平稳模型66
2.6.5 非平稳序列的单位根检验67
2.6.6 DGP识别71
2.6.7 Eviews相关操作73
2.7 带时间序列误差的回归模型75
2.8 异方差性和自相关一致协方差估计78
2.9 习题81
3 条件异方差模型82
3.1 波动率的特征与模型的结构82
3.2 ARCH模型86
3.2.1 ARCH模型的结构86
3.2.2 ARCH模型的性质88
3.2.3 ARCH效应的检验90
3.2.4 ARCH模型的建立90
3.2.5 例子93
3.2.6 ARCH模型的缺点96
3.3 GARCH模型96
3.3.1 模型的结构与性质96
3.3.2 模型的预测97
3.3.3 例子98
3.4 求和GARCH模型101
3.5 GARCH-M模型103
3.6 指数GARCH模型104
3.7 门限GARCH模型107
3.8 习题108
4 非线性模型及其应用110
4.1 非线性模型110
4.1.1 门限自回归模型110
4.1.2 平滑转移AR（STAR）模型113
4.1.3 马尔科夫转换模型114
4.1.4 非参数方法116
4.2 非线性检验124
4.2.1 非参数检验124
4.2.2 参数检验126
4.3 建模与预测128
4.3.1 建模128
4.3.2 参数自助法128
4.3.3 预测的评估129
4.4 习题131
5 风险值与分位数估计132
5.1 风险值132
5.2 风险度量制133
5.2.1 讨论135
5.2.2 多个头寸136
5.2.3 预期损失136
5.3 VaR计算的计量经济方法137
5.4 分位数估计142
5.4.1 分位数与次序统计量142
5.4.2 分位数回归143
5.5 习题146
6 神经网络148
6.1 神经网络的基本特征和通有性质149
6.1.1 神经网络的形式化描述149
6.1.2 神经网络的互连结构形态152
6.1.3 前向神经网络的符号表示153
6.2 MP模型和Hebb学习规则155
6.2.1 MP模型155
6.2.2 Hebb学习规则156
6.3 感知器156
6.3.1 线性阈值单元156
6.3.2 单层感知器157
6.3.3 感知器学习算法160
6.3.4 多层感知器164
6.3.5 最小均方（LMS）算法166
6.4 BP网络及BP算法（反向传播算法）171
6.4.1 BP网络概述171
6.4.2 反向传播算法174
6.4.3 BP网络的训练函数179
6.4.4 算法的Matlab实现184
6.4.5 BP网络的设计原则186
6.5 径向基函数网络189
6.5.1 RBF网络结构和工作原理189
6.5.2 函数逼近与内插190
6.5.3 Tikhonov正规化理论191
6.5.4 径向基网络的学习195
6.5.5 径向基网络设计的基本方法196
6.6 基于神经网络的股价对数收益率模型197
6.7 基于BP神经网络和RBF神经网络的期权定价199
6.7.1 基于神经网络的期权定价模型199
6.7.2 基于B-S模型和神经网络模型的实证分析及比较202
6.8 习题205
7 支持向量机207
7.1 分离超平面207
7.2 支持向量分类器210
7.3 支持向量机212
7.3.1 支持向量机原理212
7.3.2 计算分类的SVM213
7.4 MatLab上支持向量机的使用及其在股市预测中的应用216
7.4.1 MatLab上支持向量机的使用216
7.4.2 数据预处理与指标选取220
7.4.3 模型的训练和验证方法223
7.4.4 模型训练和预测分析224
7.5 习题228
8 生存数据与变量类型230
8.1 生存数据与删失性230
8.1.1 生存数据230
8.1.2 右删失232
8.1.3 左删失和区间删失237
8.2 习题238
9 基本函数和参数模型239
9.1 生存分析的基本函数239
9.1.1 生存函数239
9.1.2 危险函数（Hazard Function）241
9.1.3 平均剩余寿命函数和中位寿命244
9.1.4 几个函数间的关系245
9.2 生存数据建模常用的参数模型247
9.2.1 指数分布247
9.2.2 威布尔分布（Weibull Distri-bution）247
9.2.3 对数正态分布248
9.2.4 对数Logistic分布250
9.2.5 Gamma分布252
9.2.6 广义Gamma分布254
9.3 次序统计量的分布与极值分布254
9.3.1 次序统计量的分布254
9.3.2 极值分布257
9.4 删失数据似然函数的构造259
9.4.1 Ⅰ型删失数据的似然函数259
9.4.2 Ⅱ型删失数据的似然函数261
9.4.3 Ⅲ型（随机）删失数据的似然函数263
9.5 习题264
10 估计基本特征函数的非参数方法265
10.1 寿命表法（life table method）265
10.2 右删失数据的生存函数、累积危险函数的估计267
10.2.1 单变量数据的生存函数的估计（乘积限估计）267
10.2.2 累积还款率和违约率的估计271
10.3 生存函数点估计的置信区间273
10.3.1 生存函数的置信区间273
10.3.2 累积还款力函数、累积违约力的置信区间274
10.4 生存时间均值和中位数的点估计与区间估计275
10.4.1 生存函数均值的估计275
10.4.2 生存时间分位点的估计276
10.5 双删失数据的生存函数估计（特恩伯估计）277
10.5.1 非分组数据情形的方法277
10.5.2 分组数据情形的方法和理论283
10.6 习题286
11 比较生存函数的非参数方法287
11.1 两个生存函数的比较287
11.1.1 Gehan-Wilcoxon检验287
11.1.2 Cox-Mantel检验291
11.1.3 对数秩检验292
11.2 分层情形下的Mantel-Haenszel检验295
11.3 M个样本情形的比较（M>2）297
11.3.1 完全数据情形下的检验方法297
11.3.2 基于Kruskal-Wallis检验的多重比较299
11.3.3 含有删失数据时的检验方法301
11.4 习题305
12 比例危险率模型307
12.1 参数型比例危险率模型307
12.2 Cox半参数比例危险率模型308
12.3 习题313
参考文献314