目 錄 第1章 *簡單的統計分析原理 1 1.1 統計分析原理 2 1.1.1　估計原理 3 1.1.2　檢驗原理 4 1.2 函數原理和數據分析 5 1.3 再進一步 6 第2章 R的基本環境與安裝 8 2.1 R與網絡資源 8 2.2 安裝系統程序 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　產生文件 27 3.3.4　Mark Down 28 第4章 數據結構和數據處理 31 4.1 R的數據結構 31 4.1.1　vectors 向量 32 4.1.2　matrix 矩陣 35 4.1.3　array 數組 37 4.1.4　data frame 數據框 38 4.1.5　time series 時間序列 40 4.1.6　list 列表 41 4.2 數據處理 43 4.2.1　向量處理 43 4.2.2　矩陣處理 48 4.2.3　數據框data.frame對象的數據處理 50 4.2.4　字符串對象的處理 53 4.2.5　從連續性質的數據定義分組因子 55 第5章 數據存取和基本處理 57 5.1 外部數據讀取 57 5.1.1　載入 .csv 格式的數據 58 5.1.2　載入 .txt 格式的數據 59 5.1.3　載入 xls 和 xlsx 格式的數據 60 5.1.4　將數據存儲與輸出 62 5.2 數據的基本統計分析library(fBasics) 64 5.2.1　基本統計量：basicStats() 64 5.2.2　相關性檢驗：correlationTest() 65 5.3 網絡數據下載 68 5.4 數據庫讀取——MySQL范例 73 5.5 數據表處理的函數 76 5.5.1　函數split對數據的分割 76 5.5.2　函數apply()系列 77 第6章 探索性數據分析和可視化 81 6.1 數據性質的可視化分析 83 6.2 繪圖函數plot() 85 6.3 3D立體繪圖 91 6.4 Imaging Correlation相關性影像圖 94 6.5 lattice和Multi-way 98 6.6 其他 113 6.6.1　curve()函數曲線繪圖 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——*小二乘法 116 7.2 單變量線性回歸 117 7.3 連續變量線性復回歸 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　考慮殘差異質性的魯棒協方差 129 7.5 回歸診斷檢驗 130 7.5.1　異質殘差檢驗 130 7.5.2　回歸函數形式判定 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 137 8.2 時間序列數據的建立與繪圖 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 143 8.3.1　ACF、PACF和序列相關檢驗 143 8.3.2　Linear filters，時間序列性質線性過濾和趨勢預測 144 8.3.3　BDS independence test 時間序列獨立同分布檢驗 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ARMA 154 8.5 序列相關與檢驗 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修正 157 8.6 時間序列預測 158 8.6.1　基本概念 158 8.6.2　預測表現評估 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　標準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　數據的ARCH效果檢驗 173 9.2.2　標準GARCH估計 174 9.2.3　標準GARCH估計程序包fGarch 176 9.3 專業GARCH程序包rugarch 181 9.3.1　rugarch的基本結構 181 9.3.2　rugarch的高級設置 188 9.3.3　iClick 程序包的統一處理 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 非定態時間序列 201 10.1 單位根檢驗 201 10.2 協整分析 209 10.2.1　ECM的基本形態（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 時間序列的結構變動 224 11.1 基本原理的認識 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. 現貨 242 12.1.2　時間價差（Calendar/Terms spread）：遠月 vs. 近月 242 12.1.3　規律的價格差距 243 12.1.4　商品間的趨勢價差 243 12.2 風險溢價的高級應用 244 12.2.1　風險溢價的進一步認識 244 12.2.2　價差與套利的計量經濟學 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　基本數據處理 253 13.1.2　程序包timeSeries的財務函數 254 13.2 fBasics程序包的財務時間序列性質摘要 255 13.3 fAssets程序包的風險與報酬 256 13.4 PerformanceAnalytics程序包的績效指標 256 13.5 quantmod程序包的技術分析 257 13.6 程序編寫的簡單技巧 259 13.6.1　循環 259 13.6.2　條件控制語句 260 13.6.3　定義函數 261 第14章 風險與投資組合分析 265 14.1 資產選擇初步 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 金融大數據的處理 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　優勢比 296 A.1.4　超擴散和參數方差修正 296 A.2 有序選擇變量的Probit/Logit GLM 297 A.3 計數型變量的Poisson GLM 300 A.4 多元選擇 GLM——Multinomial Probit/Logit 301