財金時間序列分析：使用R語言（附光碟）


	✎為實作派的你而寫——翻開本書，即刻上手！ ✔提供完整程式語言，對照參考不出錯 ✔多種程式碼撰寫範例，臨陣套用、現學現賣　　未來的國際通用語言只有一種——程式語言。FinTech強勢佔領金融市場，想在瞬息萬變的財金領域脫穎而出，就要具備程式語言邏輯的知能。　　●打造沉浸式R語言的學習環境　　本書用統計學觀點，檢視實際的財金時間序列資料，臨場感十足。讀取、計算、模擬、編表或繪圖，皆詳細收錄對應的R程式，不省略不馬虎，對應實作好簡單。　　●比起理論，更重視實際操作　　不僅強調理論與實際結合，同時包括蒙地卡羅、拔靴與貝氏計量等模擬方法。提供許多R程式碼撰寫範例，情境式學習，效果更加分。　　●拜程式語言的強大，學習門檻大幅降低　　除了適合大學部或研究所的「時間序列分析」、「計量經濟學」或「應用統計」等課程；搭配貼心解說的「附錄」使用，也適合從零開始的讀者自修。


	目錄 Chapter 1 迴歸模型 ( 一) 1. 迴歸模型的意義 2. OLS 估計式的幾何特徵 2.1 OLS 估計式的數值特徵 2.2 Frisch-Waugh-Lovell 定理 3. 迴歸模型的假定與OLS 3.1 AT、AL 與AFR 的意義 3.2 AX 的假定 3.3 AH 與AN 的假定 3.4 Mann-Wald 定理 Chapter 2 迴歸模型 ( 二) 1. 統計推論 1.1 有關於β 的線性假設檢定 1.2 線性限制下的估計 1.3 一個例子：MRW（1992） 2. LR、Wald 與LM 檢定 2.1 ML 估計 2.2 LR、Wald 與LM 檢定 3. 初見拔靴法 3.1 拔靴法的原理 3.2 拔靴法於迴歸模型的應用 Chapter 3 ARIMA 模型 ( 一) 1. 隨機過程 1.1 定態的隨機過程 1.2 定態隨機過程之建構 1.3 落後運算式的應用 2. AR 過程 2.1 AR(p) 過程 2.2 衝擊反應函數 Chapter 4 ARIMA 模型( 二) 1. ARIMA 模型 1.1 MA 過程 1.2 ARMA 過程 1.3 ARIMA 模型的建立 1.4 預測 2. 非定態隨機過程的考量 2.1 虛假迴歸模型 2.2 Beveridge-Nelson 分解 Chapter 5 頻譜分析 1. 認識週期函數 1.1 正弦與餘弦函數 1.2 季節模型 2. 母體頻譜 2.1 自我共變異數產生函數 2.2 母體頻譜與其特徵 3. 母體頻譜的意義 3.1 母體頻譜的解釋 3.2 樣本週期圖 3.3 長期變異數 4. 母體頻譜的估計 4.1 長期變異數的估計 4.2 母體頻譜的估計 Chapter 6 單根檢定 1. 非定態分配理論 1.1 定態與非定態隨機過程變數 1.2 非定態變數的漸近分析 2. 傳統的單根檢定 2.1 DF 檢定 2.2 ADF 檢定 2.3 PP 檢定 2.4 KPSS 檢定 3. 較有效的單根檢定 3.1 除去趨勢化 3.2 ERS 檢定 3.3 有效的修正PP 檢定 Chapter 7 VAR 模型 1. SUR 模型與線性VAR 過程 1.1 SUR 模型 1.2 線性VAR 過程 2. VAR 模型的估計 2.1 OLS 與ML 估計 2.2 RGLS 估計 3. 定態的VAR 模型 3.1 預測 3.2 落後期p 選擇過程 3.3 Granger 因果關係 3.4 衝擊反應函數 3.5 預測誤差之變異數拆解 3.6 診斷檢定 4. 拔靴法 4.1 AR(p) 模型 4.2 VAR(p) 模型 Chapter 8 貝氏VAR 模型 1. 貝氏統計方法 1.1 貝氏理論與計算 1.2 線性迴歸模型 2. Gibbs 抽樣方法 2.1 線性迴歸模型的應用 2.2 Gibbs 抽樣的收斂 3. VAR 模型的應用 3.1 BVAR 模型 3.2 Minnesota 先驗參考文獻中文索引英文索引