金融数据分析是一门对金融数据进行统计分析和建模的课程，是高等学校金融学专业本科生的核心课。本书是笔者在多年来从事金融数据分析方面的教学和科研的基础上编写而成的，在内容上以金融时间序列分析、金融空间数据分析、大数据金融为主线展开，具体包括金融时间序列线性模型、协整与向量自回归模型、GARCH族模型等。本书可作为金融学、经济学、统计学等专业高年级本科生和相关专业的研究生教材，亦可作为相关领域研究人员的参考书。对于希望进一步加强对金融数据和当今金融市场理解的研究人员以及金融、商业和经济领域的从业者，该书也是极佳的选择。
欧阳资生，湖南师范大学“潇湘学者”特聘教授、二级教授、博士生导师，享受国务院政府特殊津贴专家，教育部高等学校金融学类教学指导委员会委员，湖南省学科带头人，湖南省高校科技创新团队“开放经济条件下金融风险度量、控制与政策”负责人，湖南省区域战略与规划研究基地首席专家，《统计研究》编委。主要研究方向为金融风险管理、金融科技与金融统计。
阳旸，湖南师范大学商学院副教授、博士。研究方向：金融管理与金融数据分析。
马倚虹，湖南师范大学商学院金融系讲师、博士。研究方向：金融风险与机器学习。
第1章 导论 001
1.1 金融数据分析概述 001
1.2 常见的统计分布 004
1.3 收益率及其分布特征 007
1.4 R软件和Python软件介绍 012
1.5 专题1: 金融数据的可视化 ——基于新冠疫情期间中美股市波动的对比分析 018
第2章 金融时间序列线性模型 024
2.1 相关性和平稳性 024
2.2 简单自回归模型 031
2.3 简单移动平均模型 042
2.4 简单ARMA模型 048
2.5 单位根非平稳时间序列 053
2.6 季节模型 057
2.7 长记忆时间序列模型 060
2.8 专题2: 基于ARIMA模型的中国居民消费价格指数预测 062
第3章 协整与向量自回归模型 067
3.1 协整分析 067
3.2 向量自回归模型 074
3.3 格兰杰因果关系检验 078
3.4 VAR模型与脉冲响应函数 079
3.5 VAR模型与方差分解 082
3.6 结构向量自回归模型 084
3.7 TVP VAR模型 087
3.8 专题3: 中国资本市场与货币政策的协同关系研究 088
第4章 GARCH族模型 095
4.1 波动率模型的特征及结构 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 指数GARCH模型 111
4.7 TGARCH模型 114
4.8 APARCH模型 115
4.9 专题4: 基于GARCH模型的人民币汇率建模与应用 116
第5章 极值事件、分位数回归与金融风险计量 122
5.1 极值事件概述 122
5.2 金融风险计量指标VaR和ES 125
5.3 风险度量制 127
5.4 基于GARCH模型的VaR计算 130
5.5 基于极值理论的VaR计算 133
5.6 分位数回归模型与金融风险计量 142
5.7 系统性金融风险计量模型 150
5.8 专题5: 中国系统性金融风险评估报告 157
第6章 市场有效性与事件分析法 163
6.1 有效市场假说 163
6.2 有效市场假说的实证检验 167
6.3 事件分析法 177
6.4 专题6: 康美药业财务造假事件分析 182
第7章 Copula函数及其应用 188
7.1 Copula函数的定义及性质 188
7.2 Copula函数与相关性 190
7.3 常用的Copula函数 191
7.4 Copula函数的估计方法 203
7.5 Copula函数与金融风险计量 206
7.6 专题7: 基于GARCH Copula模型的绿色债券投资组合风险测度 210
第8章 面板数据模型与检验 214
8.1 面板数据的基本界定 214
8.2 面板数据的设定和加载 217
8.3 面板数据回归模型 220
8.4 面板数据模型的检验 226
8.5 动态面板数据与广义矩GMM估计 236
8.6 专题8:数字金融对地区经济发展的影响研究 241
第9章 空间计量模型与检验 248
9.1 空间权重矩阵 248
9.2 空间自回归模型 252
9.3 空间杜宾模型 261
9.4 空间误差模型 266
9.5 专题9: 中国金融风险的空间集聚与溢出效应 269
第10章 机器学习与数据分析 278
10.1 机器学习概述 278
10.2 分类分析 280
10.3 回归分析 285
10.4 聚类分析 292
10.5 关联规则挖掘方法 296
10.6 模型评估与选择 299
10.7 专题10: 基于机器学习的上证指数走势预测研究 302
第11章 深度学习与数据分析 309
11.1 神经元 309
11.2 BP神经网络 311
11.3 卷积神经网络 315
11.4 循环神经网络 319
11.5 深度学习模型优化策略 322
11.6 专题11: 基于深度学习的上市公司财务风险预警研究 324
第12章 文本数据分析 331
12.1 文本获取 332
12.2 文本预处理 335
12.3 文本表示 336
12.4 文本特征选择 344
12.5 模式挖掘 346
12.6 专题12: 金融网络舆情指数构建与应用 350
参考文献 355
书单推荐
