- 计量经济分析及其Python应用/数量经济学系列丛书
- - 作者：编者:朱顺泉|责编:高晓蔚
  - 出版社：清华大学
  - ISBN：9787302568025
  - 出版日期：2020/12/01
  - 页数：284
- 售价：22

内容大纲
本书结合实例对最新的Python版本进行科学、准确和全面的介绍，并侧重于应用Python进行计量经济与量化投资分析，使读者深刻理解Python的精髓和灵活、高效的使用技巧。内容包括计量经济分析及其Python环境，描述性统计、参数估计、假设检验、相关分析与一元回归分析、多元回归分析、多重共线性、异方差、自相关、财经大数据时间序列分析ARMA模型、财经大数据广义自回归条件异方差模型（GARCH）、面板数据计量分析、广义矩估计（GMM）与最大似然估计（MLE）、线性回归的内生性与Hausman检验、财经大数据量化投资统计套利、人工智能机器学习及其Python应用。
本书内容新颖、全面，实用性强，融理论、方法、应用于一体，并提供相关实例的数据文件可供经济管理、金融投资等相关专业的本科高年级学生与研究生使用，也可供从业人士使用。
作者介绍
朱顺泉，男，汉族，湖南省邵东县人。2001年于中南大学管理科学与工程专业金融工程方向研究生毕业，获管理学博士学位，2004年于上海财经大学应用经济学专业博士后研究出站，2006年评为教授。曾先后工作于湖南财经学院、湖南大学、暨南大学等，指导各类硕士研究生90余人，现为广东财经大学金融学院教授，长期从事本科生与研究生的投资学、金融工程、公司金融、金融市场、金融计量学、经济博弈论、数据模型与决策等课程的教学和科研工作，一直致力于财经与科技相结合的交叉应用研究。在人民出版社、科学出版社、清华大学出版社、北京大学出版社等出版机构出版著作50余部，在Journal of Mathematical Financ, Journal of Financial Risk Management，Technology & Investment等学术刊物上发表学术论文100余篇，主持完成国家哲学社会科学项目、教育部人文社会科学项目、广东省哲学社会科学项目、广东省科技计划项目、湖南省哲学社会科学项目等10余项。出版的《信用评级理论、方法、模型与应用研究》著作于2013年获中国人民银行广州分行二等奖。主要研究方向：投资学、金融工程、金融市场、公司金融财务等，在金融科技创新、金融大数据分析、量化金融投资与人工智能、私募股权与创业风险投资、财务预警与信用评级、经济金融计量与数据分析、投资组合优化、资产定价、经济博弈论等方面有较深入研究。
目录
第1章  计量经济分析及其Python环境
  1.1  计量经济分析的含义
  1.2  计量经济分析建模的步骤
  1.3  经济数据类型
  1.4  经济数据来源
  1.5  计量经济分析工具简介
  1.6  Python工具的下载与安装
  1.7  国内外财经大数据的存取方法及其Python应用
  练习题
第2章  描述性统计及其Python应用
  2.1  描述性统计的Python工具
  2.2  数据集中趋势度量及其Python应用
  2.3  数据离散状况度量及其Python应用
  2.4  峰度、偏度与正态性检验及其Python应用
  2.5  异常数据处理
  练习题
第3章  参数估计及其Python应用
  3.1  参数估计与置信区间的含义
  3.2  点估计矩分析法的Python应用
  3.3  单正态总体均值区间估计的Python应用
  3.4  单正态总体方差区间估计的Python应用
  3.5  双正态总体均值差区间估计的Python应用
  3.6  双正态总体方差比区间估计的Python应用
  练习题
第4章  参数假设检验及其Python应用
  4.1  参数假设检验的基本理论
  4.2  单个样本t检验的Python应用
  4.3  两个独立样本t检验的Python应用
  4.4  配对样本t检验的Python应用
  4.5  单样本方差假设检验的Python应用
  4.6  双样本方差假设检验的Python应用
  练习题
第5章  相关分析与一元回归分析及其Python应用
  5.1  相关分析基本理论
    .5.2  相关分析的Python应用
  5.3  一元线性回归分析基本理论
  5.4  一元线性回归分析的Python应用
  练习题
第6章  多元回归分析及其Python应用
  6.1  多元线性回归分析基本理论
  6.2  虚拟变量
  6.3  多元线性回归分析的Python应用
  6.4  多元线性回归分析的Scikit-learn工具应用
  6.5  逻辑Logistic回归分析Python应用
  6.6  广义线性回归分析Python应用
  6.7  倾向评分匹配（PSM）及其Python应用
  练习题
第7章  多重共线性及其Python应用
  7.1  多重共线性的概念
  7.2  多重共线性的后果

  7.3  产生多重共线性的原因
  7.4  多重共线性的识别和检验
  7.5  消除多重共线性的方法
  7.6  多重共线性诊断的Python应用
  7.7  多重共线性消除的Python应用
  练习题
第8章  异方差及其Python应用
  8.1  异方差的概念
  8.2  异方差产生的原因
  8.3  异方差的后果
  8.4  异方差的识别检验
  8.5  消除异方差的方法
  8.6  异方差诊断的Python应用
  8.7  异方差消除的Python语言应用
  8.8  异方差应用实例的Python应用
  练习题
第9章  自相关及其Python应用
  9.1  自相关的概念
  9.2  产生自相关的原因
  9.3  自相关的后果
  9.4  自相关的识别和检验
  9.5  自相关的处理方法
  9.6  自相关诊断的Python应用
  9.7  自相关消除的Python应用
  9.8  金融市场数据自相关性实例的Python应用
  练习题
第10章  财经大数据时间序列分析ARMA模型及其Python应用
  10.1  时间序列分析的基础知识
  10.2  自回归（AR）模型
  10.3  移动平均（MA）模型
  10.4  自回归移动平均（ARMA）模型
  10.5  差分自回归移动平均（ARIMA）模型
  练习题
第11章  财经大数据广义自回归条件异方差模型（GARCH）及其Python应用
  11.1  自回归条件异方差模型（ARCH）及预测
  11.2  广义自回归条件异方差模型（GARCH）与波动率预测
  练习题
第12章  面板数据计量分析及其Python应用
  12.1  面板数据计量分析的基本理论
  12.2  面板数据计量分析的Python应用
  练习题
第13章  广义矩估计（GMM）与最大似然估计（MLE）及其Python应用
  13.1  广义矩估计（GMM）及其Python应用
  13.2  最大似然估计（MLE）及其Python应用
  练习题
第14章  线性回归的内生性与Hausman检验及其Python应用
  14.1  内生性的相关理论
  14.2  基本的线性回归及其Python应用
  14.3  扩展的线性回归及其Python应用
  14.4  线性回归的内生性问题及其Python应用

  14.5  Hausman检验及其Python应用
  练习题
第15章  财经大数据量化投资统计套利及其Python应用
  15.1  Python应用于Markowitz投资组合优化
  15.2  基于Bigquant量化投资平台的统计套利协整配对交易策略
  15.3  基于Python环境统计套利协整配对交易策略
  练习题
第16章  人工智能机器学习及其Python应用
  16.1  机器学习算法分类
  16.2  常见的机器学习算法及其Python代码
  16.3  K-最近邻算法银行贷款分类及其Python应用
  16.4  各种机器学习算法及其Python应用
  16.5  K-最近邻法分类及其Python应用
  练习题

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目