第1章 導(dǎo)論 001
1.1 金融數(shù)據(jù)分析概述 001
1.2 常見(jiàn)的統(tǒng)計(jì)分布 004
1.3 收益率及其分布特征 007
1.4 R軟件和Python軟件介紹 012
1.5 專題1: 金融數(shù)據(jù)的可視化 ——基于新冠疫情期間中美股市波動(dòng)的對(duì)比分析 018

第2章 金融時(shí)間序列線性模型 024
2.1 相關(guān)性和平穩(wěn)性 024
2.2 簡(jiǎn)單自回歸模型 031
2.3 簡(jiǎn)單移動(dòng)平均模型 042
2.4 簡(jiǎn)單ARMA模型 048
2.5 單位根非平穩(wěn)時(shí)間序列 053
2.6 季節(jié)模型 057
2.7 長(zhǎng)記憶時(shí)間序列模型 060
2.8 專題2: 基于ARIMA模型的中國(guó)居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè) 062

第3章 協(xié)整與向量自回歸模型 067
3.1 協(xié)整分析 067
3.2 向量自回歸模型 074
3.3 格蘭杰因果關(guān)系檢驗(yàn) 078
3.4 VAR模型與脈沖響應(yīng)函數(shù) 079
3.5 VAR模型與方差分解 082
3.6 結(jié)構(gòu)向量自回歸模型 084
3.7 TVP VAR模型 087
3.8 專題3: 中國(guó)資本市場(chǎng)與貨幣政策的協(xié)同關(guān)系研究 088

第4章 GARCH族模型 095
4.1 波動(dòng)率模型的特征及結(jié)構(gòu) 095
4.2 ARCH模型 098
4.3 GARCH模型 103
4.4 IGARCH模型 108
4.5 GARCH M模型 109
4.6 指數(shù)GARCH模型 111
4.7 TGARCH模型 114
4.8 APARCH模型 115
4.9 專題4: 基于GARCH模型的人民幣匯率建模與應(yīng)用 116

第5章 極值事件、分位數(shù)回歸與金融風(fēng)險(xiǎn)計(jì)量 122
5.1 極值事件概述 122
5.2 金融風(fēng)險(xiǎn)計(jì)量指標(biāo)VaR和ES 125
5.3 風(fēng)險(xiǎn)度量制 127
5.4 基于GARCH模型的VaR計(jì)算 130
5.5 基于極值理論的VaR計(jì)算 133
5.6 分位數(shù)回歸模型與金融風(fēng)險(xiǎn)計(jì)量 142
5.7 系統(tǒng)性金融風(fēng)險(xiǎn)計(jì)量模型 150
5.8 專題5: 中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)評(píng)估報(bào)告 157

第6章 市場(chǎng)有效性與事件分析法 163
6.1 有效市場(chǎng)假說(shuō) 163
6.2 有效市場(chǎng)假說(shuō)的實(shí)證檢驗(yàn) 167
6.3 事件分析法 177
6.4 專題6: 康美藥業(yè)財(cái)務(wù)造假事件分析 182

第7章 Copula函數(shù)及其應(yīng)用 188
7.1 Copula函數(shù)的定義及性質(zhì) 188
7.2 Copula函數(shù)與相關(guān)性 190
7.3 常用的Copula函數(shù) 191
7.4 Copula函數(shù)的估計(jì)方法 203
7.5 Copula函數(shù)與金融風(fēng)險(xiǎn)計(jì)量 206
7.6 專題7: 基于GARCH Copula模型的綠色債券投資組合風(fēng)險(xiǎn)測(cè)度 210

第8章 面板數(shù)據(jù)模型與檢驗(yàn) 214
8.1 面板數(shù)據(jù)的基本界定 214
8.2 面板數(shù)據(jù)的設(shè)定和加載 217
8.3 面板數(shù)據(jù)回歸模型 220
8.4 面板數(shù)據(jù)模型的檢驗(yàn) 226
8.5 動(dòng)態(tài)面板數(shù)據(jù)與廣義矩GMM估計(jì) 236
8.6 專題8:數(shù)字金融對(duì)地區(qū)經(jīng)濟(jì)發(fā)展的影響研究 241

第9章 空間計(jì)量模型與檢驗(yàn) 248
9.1 空間權(quán)重矩陣 248
9.2 空間自回歸模型 252
9.3 空間杜賓模型 261
9.4 空間誤差模型 266
9.5 專題9: 中國(guó)金融風(fēng)險(xiǎn)的空間集聚與溢出效應(yīng) 269

第10章 機(jī)器學(xué)習(xí)與數(shù)據(jù)分析 278
10.1 機(jī)器學(xué)習(xí)概述 278
10.2 分類分析 280
10.3 回歸分析 285
10.4 聚類分析 292
10.5 關(guān)聯(lián)規(guī)則挖掘方法 296
10.6 模型評(píng)估與選擇 299
10.7 專題10: 基于機(jī)器學(xué)習(xí)的上證指數(shù)走勢(shì)預(yù)測(cè)研究 302

第11章 深度學(xué)習(xí)與數(shù)據(jù)分析 309
11.1 神經(jīng)元 309
11.2 BP神經(jīng)網(wǎng)絡(luò) 311
11.3 卷積神經(jīng)網(wǎng)絡(luò) 315
11.4 循環(huán)神經(jīng)網(wǎng)絡(luò) 319
11.5 深度學(xué)習(xí)模型優(yōu)化策略 322
11.6 專題11: 基于深度學(xué)習(xí)的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警研究 324

第12章 文本數(shù)據(jù)分析 331
12.1 文本獲取 332
12.2 文本預(yù)處理 335
12.3 文本表示 336
12.4 文本特征選擇 344
12.5 模式挖掘 346
12.6 專題12: 金融網(wǎng)絡(luò)輿情指數(shù)構(gòu)建與應(yīng)用 350

參考文獻(xiàn) 355