第1章計(jì)量經(jīng)濟(jì)分析及其Python環(huán)境

1.1計(jì)量經(jīng)濟(jì)分析的含義

1.2計(jì)量經(jīng)濟(jì)分析建模的步驟

1.3經(jīng)濟(jì)數(shù)據(jù)類型

1.4經(jīng)濟(jì)數(shù)據(jù)來源

1.5計(jì)量經(jīng)濟(jì)分析工具簡介

1.6Python工具的下載與安裝

1.7國內(nèi)外財(cái)經(jīng)大數(shù)據(jù)的存取方法及其Python應(yīng)用

練習(xí)題

第2章描述性統(tǒng)計(jì)及其Python應(yīng)用

2.1描述性統(tǒng)計(jì)的Python工具

2.2數(shù)據(jù)集中趨勢(shì)度量及其Python應(yīng)用

2.3數(shù)據(jù)離散狀況度量及其Python應(yīng)用

2.4峰度、偏度與正態(tài)性檢驗(yàn)及其Python應(yīng)用

2.5異常數(shù)據(jù)處理

練習(xí)題

第3章參數(shù)估計(jì)及其Python應(yīng)用

3.1參數(shù)估計(jì)與置信區(qū)間的含義

3.2點(diǎn)估計(jì)矩分析法的Python應(yīng)用

3.3單正態(tài)總體均值區(qū)間估計(jì)的Python應(yīng)用

3.4單正態(tài)總體方差區(qū)間估計(jì)的Python應(yīng)用

3.5雙正態(tài)總體均值差區(qū)間估計(jì)的Python應(yīng)用

3.6雙正態(tài)總體方差比區(qū)間估計(jì)的Python應(yīng)用

練習(xí)題

第4章參數(shù)假設(shè)檢驗(yàn)及其Python應(yīng)用

4.1參數(shù)假設(shè)檢驗(yàn)的基本理論

4.2單個(gè)樣本t檢驗(yàn)的Python應(yīng)用

4.3兩個(gè)獨(dú)立樣本t檢驗(yàn)的Python應(yīng)用

4.4配對(duì)樣本t檢驗(yàn)的Python應(yīng)用

4.5單樣本方差假設(shè)檢驗(yàn)的Python應(yīng)用

4.6雙樣本方差假設(shè)檢驗(yàn)的Python應(yīng)用

練習(xí)題

第5章相關(guān)分析與一元回歸分析及其Python應(yīng)用

5.1相關(guān)分析基本理論

5.2相關(guān)分析的Python應(yīng)用

5.3一元線性回歸分析基本理論

5.4一元線性回歸分析的Python應(yīng)用

練習(xí)題

第6章多元回歸分析及其Python應(yīng)用

6.1多元線性回歸分析基本理論

6.2虛擬變量

6.3多元線性回歸分析的Python應(yīng)用

6.4多元線性回歸分析的Scikitlearn工具應(yīng)用

6.5邏輯Logistic回歸分析Python應(yīng)用

6.6廣義線性回歸分析Python應(yīng)用

6.7傾向評(píng)分匹配（PSM）及其Python應(yīng)用

練習(xí)題

第7章多重共線性及其Python應(yīng)用

7.1多重共線性的概念

7.2多重共線性的后果

7.3產(chǎn)生多重共線性的原因

7.4多重共線性的識(shí)別和檢驗(yàn)

7.5消除多重共線性的方法

7.6多重共線性診斷的Python應(yīng)用

7.7多重共線性消除的Python應(yīng)用

練習(xí)題

第8章異方差及其Python應(yīng)用

8.1異方差的概念

8.2異方差產(chǎn)生的原因

8.3異方差的后果

8.4異方差的識(shí)別檢驗(yàn)

8.5消除異方差的方法

8.6異方差診斷的Python應(yīng)用

8.7異方差消除的Python語言應(yīng)用

8.8異方差應(yīng)用實(shí)例的Python應(yīng)用

練習(xí)題

第9章自相關(guān)及其Python應(yīng)用

9.1自相關(guān)的概念

9.2產(chǎn)生自相關(guān)的原因

9.3自相關(guān)的后果

9.4自相關(guān)的識(shí)別和檢驗(yàn)

9.5自相關(guān)的處理方法

9.6自相關(guān)診斷的Python應(yīng)用

9.7自相關(guān)消除的Python應(yīng)用

9.8金融市場(chǎng)數(shù)據(jù)自相關(guān)性實(shí)例的Python應(yīng)用

練習(xí)題

第10章財(cái)經(jīng)大數(shù)據(jù)時(shí)間序列分析ARMA模型及其Python應(yīng)用

10.1時(shí)間序列分析的基礎(chǔ)知識(shí)

10.2自回歸(AR)模型

10.3移動(dòng)平均(MA)模型

10.4自回歸移動(dòng)平均（ARMA）模型

10.5差分自回歸移動(dòng)平均（ARIMA）模型

練習(xí)題

第11章財(cái)經(jīng)大數(shù)據(jù)廣義自回歸條件異方差模型(GARCH)及其Python應(yīng)用

11.1自回歸條件異方差模型(ARCH)及預(yù)測(cè)

11.2廣義自回歸條件異方差模型(GARCH)與波動(dòng)率預(yù)測(cè)

練習(xí)題

第12章面板數(shù)據(jù)計(jì)量分析及其Python應(yīng)用

12.1面板數(shù)據(jù)計(jì)量分析的基本理論

12.2面板數(shù)據(jù)計(jì)量分析的Python應(yīng)用

練習(xí)題

第13章廣義矩估計(jì)（GMM）與*大似然估計(jì)（MLE）及其Python應(yīng)用

13.1廣義矩估計(jì)（GMM）及其Python應(yīng)用

13.2*大似然估計(jì)（MLE）及其Python應(yīng)用

練習(xí)題

第14章線性回歸的內(nèi)生性與Hausman檢驗(yàn)及其Python應(yīng)用

14.1內(nèi)生性的相關(guān)理論

14.2基本的線性回歸及其Python應(yīng)用

14.3擴(kuò)展的線性回歸及其Python應(yīng)用

14.4線性回歸的內(nèi)生性問題及其Python應(yīng)用

14.5Hausman檢驗(yàn)及其Python應(yīng)用

練習(xí)題

第15章財(cái)經(jīng)大數(shù)據(jù)量化投資統(tǒng)計(jì)套利及其Python應(yīng)用

15.1Python應(yīng)用于Markowitz投資組合優(yōu)化

15.2基于Bigquant量化投資平臺(tái)的統(tǒng)計(jì)套利協(xié)整配對(duì)交易策略

15.3基于Python環(huán)境統(tǒng)計(jì)套利協(xié)整配對(duì)交易策略

練習(xí)題

第16章人工智能機(jī)器學(xué)習(xí)及其Python應(yīng)用

16.1機(jī)器學(xué)習(xí)算法分類

16.2常見的機(jī)器學(xué)習(xí)算法及其Python代碼

16.3K*近鄰算法銀行貸款分類及其Python應(yīng)用

16.4各種機(jī)器學(xué)習(xí)算法及其Python應(yīng)用

16.5K*近鄰法分類及其Python應(yīng)用

練習(xí)題