未读消息消息

购物车

我的订单

个人中心

店铺

我的订单收藏商品

拍卖

拍卖交易我的竞拍收藏拍品

我的好友资金账户

卖家中心

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 08:00-21:00

纠纷处理

09:00-12:30

13:30-18:00

图书审核 09:00-18:00

监督与建议

请选择

手机孔网

统计学视角下的金融高频数据挖掘理论与方法研究

作者: 魏瑾瑞

出版社: 中国社会科学出版社

出版时间: 2015-06

版次: 1

ISBN: 9787516158418

定价: 56.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 268页

字数: 306千字

分类: 经济

23人买过

　　魏瑾瑞编著的这本《统计学视角下的金融高频数据挖掘理论与方法研究》从统计学的视角对金融高频数据做了系统性、基础性的统计分析，研究了金融高频数据的概念、统计性质以及区别于低频数据的本质特征，探讨了处理金融高频数据的统计方法，并结合经济学和金融学知识展开分析。不仅开拓了统计分析的视野，而且为相关的实证应用研究提供参考，增进读者对金融高频数据的理解。魏瑾瑞（1983—），经济学博士，主要研究领域为数据分析方法及其应用。2010年毕业于厦门大学，现为东北财经大学博士后科研流动站博士后、东北财经大学统计学院讲师。近年来先后在《统计研究》、《经济学动态》、《投资研究》、《台湾研究》等重要学术期刊发表论文数篇；参与国家社会科学基金重大、重点和一般项目，国家自然科学基金青年项目，教育部人文社科研究项目，国家统计局统计科学研究计划项目等多项国家级和省部级课题；主持辽宁省社会科学规划基金青年项目、中央财政支持地方高校发展专项资金科研项目、中国博士后科学基金项目等。第一章  绪论

  第一节  研究背景与意义

  第二节  国内外文献综述

    一  日内模式、随机交易间隔建模与市场微结构理论

    二  波动率、微结构噪声与最优取样间隔

    三  连续时间模型

    四  国内研究现状

  第三节  研究内容及创新

第二章  金融高频数据挖掘的概念与统计特征

  第一节  基本分析框架

    一  时间序列：理解高频数据的起点

    二  序贯面板数据变换

  第二节  相关概念辨析

    一  高频交易数据

    二  交易高频数据

  第三节  典型统计特征

    一  基本描述

    二  经验特征

    三  理论特征

  第四节  本章小结

第三章  数据准备及大规模数据集的分析逻辑

  第一节  数据挖掘的统计学内涵

    一  参数与非参数方法

    二  验证性与探索性分析

    三  渐进理论与统计学习理论

    四  数据规模：实录数据与系统收集数据

    五  再论数据挖掘与统计学

  第二节  统计分析的本质属性

  第三节  样本数据的来源与结构

  第四节  大规模数据集的分析逻辑

    一  定义及特征

    二  分析逻辑

  第五节  本章小结

第四章  函数数据分析的基本逻辑及实证分析

  第一节  信号与随机信号

    一  信号的定义及分类

    二  随机信号的定义及分类

  第二节  连续信号离散化

    一  数字信号处理

    二  Shannon采样定理

    三  采样的本质

  第三节  离散数据连续化

    一  函数数据、面板数据与符号数据

    二  函数数据分析的要点

    三  基本原理与步骤

  第四节  基展开（频域分析）的逻辑

    一  基展开的本质

    二  何为基

    三  两类重要的变换

    四  基函数的比较

    五  再论逼近问题

  第五节  基于FDA的日内结构分析

    一  序贯面板数据变换

    二  情形1（N=48，T=218）

    三  情形2（N=218，T=48）

  第六节  本章小结

第五章  非平稳非线性序列分析的EMD方法

  第一节  传统方法及其比较

  第二节  HHT的基本思想

  第三节  EMD分解与原序列重构

  第四节  正交性检验与成分分析

    一  正交性检验

    二  成分数据分析

  第五节  本章小结

第六章  一类模型自由的波动率估计方法

  第一节  典型特征对建模的启示

  第二节  历史波动率与隐含波动率

  第三节  波动率的基本估计方法

    一  ARCH族和SV族模型的基本逻辑（MEM模型）

    二  用RV估计IV

  第四节  协同波动率方法

    一  协同波动率的定义

    二  相关性与波动性的分解与关联

    三  数值模拟：取样频率与相关性对协同波动率的影响

    四  方差—协方差随取样频率增加而下降的事实（不含有微结构噪声）

  第五节  实证分析

  第六节  本章小结

第七章  对支持向量机混合核函数方法的再评估

  第一节  混合核函数的基本思路

  第二节  核函数在支持向量机中的作用

  第三节  算法复杂度对泛化能力的影响

    一  基于小样本的统计分析理念

    二  影响支持向量机泛化能力的关键因素

    三  模型选择的基本准则

  第四节  信息重叠弱化了混合核函数的有效性

    一  数据清洗

    二  结果分析

  第五节  本章小结

第八章  市场微观结构分析

  第一节  市场微观结构理论概述

    一  市场微观结构理论研究的主要内容

    二  价格发现建模与市场有效性检验

  第二节  日历效应的经济学解释

    一  经验分析

    二  博弈论视角

    三  对拥挤现象的剖析

    四  对相关性的剖析

  第三节  微观方法论及其比较分析

    一  奥地利学派与芝加哥学派

    二  奥地利学派与行为经济学

    三  个人与群体的行为逻辑

    四  预期理论

    五  市场过程

  第四节  证券及证券市场的意义

  第五节  本章小结

第九章  随机交易间隔分析

  第一节  数据以高频记录的成本

  第二节  随机交易间隔的基本特征

  第三节  数据清洗中可能遇到的错误

  第四节  信息与噪声在何处分界

    一  概率分布与反演

    二  更细致的分析

    三  经济含义解读

  第五节  随机交易间隔建模

  第六节  本章小结

第十章  结论与展望

  第一节  结论

  第二节  展望

参考文献

后记·致谢
内容简介:
　　魏瑾瑞编著的这本《统计学视角下的金融高频数据挖掘理论与方法研究》从统计学的视角对金融高频数据做了系统性、基础性的统计分析，研究了金融高频数据的概念、统计性质以及区别于低频数据的本质特征，探讨了处理金融高频数据的统计方法，并结合经济学和金融学知识展开分析。不仅开拓了统计分析的视野，而且为相关的实证应用研究提供参考，增进读者对金融高频数据的理解。
作者简介:
魏瑾瑞（1983—），经济学博士，主要研究领域为数据分析方法及其应用。2010年毕业于厦门大学，现为东北财经大学博士后科研流动站博士后、东北财经大学统计学院讲师。近年来先后在《统计研究》、《经济学动态》、《投资研究》、《台湾研究》等重要学术期刊发表论文数篇；参与国家社会科学基金重大、重点和一般项目，国家自然科学基金青年项目，教育部人文社科研究项目，国家统计局统计科学研究计划项目等多项国家级和省部级课题；主持辽宁省社会科学规划基金青年项目、中央财政支持地方高校发展专项资金科研项目、中国博士后科学基金项目等。
目录:
第一章  绪论

  第一节  研究背景与意义

  第二节  国内外文献综述

    一  日内模式、随机交易间隔建模与市场微结构理论

    二  波动率、微结构噪声与最优取样间隔

    三  连续时间模型

    四  国内研究现状

  第三节  研究内容及创新

第二章  金融高频数据挖掘的概念与统计特征

  第一节  基本分析框架

    一  时间序列：理解高频数据的起点

    二  序贯面板数据变换

  第二节  相关概念辨析

    一  高频交易数据

    二  交易高频数据

  第三节  典型统计特征

    一  基本描述

    二  经验特征

    三  理论特征

  第四节  本章小结

第三章  数据准备及大规模数据集的分析逻辑

  第一节  数据挖掘的统计学内涵

    一  参数与非参数方法

    二  验证性与探索性分析

    三  渐进理论与统计学习理论

    四  数据规模：实录数据与系统收集数据

    五  再论数据挖掘与统计学

  第二节  统计分析的本质属性

  第三节  样本数据的来源与结构

  第四节  大规模数据集的分析逻辑

    一  定义及特征

    二  分析逻辑

  第五节  本章小结

第四章  函数数据分析的基本逻辑及实证分析

  第一节  信号与随机信号

    一  信号的定义及分类

    二  随机信号的定义及分类

  第二节  连续信号离散化

    一  数字信号处理

    二  Shannon采样定理

    三  采样的本质

  第三节  离散数据连续化

    一  函数数据、面板数据与符号数据

    二  函数数据分析的要点

    三  基本原理与步骤

  第四节  基展开（频域分析）的逻辑

    一  基展开的本质

    二  何为基

    三  两类重要的变换

    四  基函数的比较

    五  再论逼近问题

  第五节  基于FDA的日内结构分析

    一  序贯面板数据变换

    二  情形1（N=48，T=218）

    三  情形2（N=218，T=48）

  第六节  本章小结

第五章  非平稳非线性序列分析的EMD方法

  第一节  传统方法及其比较

  第二节  HHT的基本思想

  第三节  EMD分解与原序列重构

  第四节  正交性检验与成分分析

    一  正交性检验

    二  成分数据分析

  第五节  本章小结

第六章  一类模型自由的波动率估计方法

  第一节  典型特征对建模的启示

  第二节  历史波动率与隐含波动率

  第三节  波动率的基本估计方法

    一  ARCH族和SV族模型的基本逻辑（MEM模型）

    二  用RV估计IV

  第四节  协同波动率方法

    一  协同波动率的定义

    二  相关性与波动性的分解与关联

    三  数值模拟：取样频率与相关性对协同波动率的影响

    四  方差—协方差随取样频率增加而下降的事实（不含有微结构噪声）

  第五节  实证分析

  第六节  本章小结

第七章  对支持向量机混合核函数方法的再评估

  第一节  混合核函数的基本思路

  第二节  核函数在支持向量机中的作用

  第三节  算法复杂度对泛化能力的影响

    一  基于小样本的统计分析理念

    二  影响支持向量机泛化能力的关键因素

    三  模型选择的基本准则

  第四节  信息重叠弱化了混合核函数的有效性

    一  数据清洗

    二  结果分析

  第五节  本章小结

第八章  市场微观结构分析

  第一节  市场微观结构理论概述

    一  市场微观结构理论研究的主要内容

    二  价格发现建模与市场有效性检验

  第二节  日历效应的经济学解释

    一  经验分析

    二  博弈论视角

    三  对拥挤现象的剖析

    四  对相关性的剖析

  第三节  微观方法论及其比较分析

    一  奥地利学派与芝加哥学派

    二  奥地利学派与行为经济学

    三  个人与群体的行为逻辑

    四  预期理论

    五  市场过程

  第四节  证券及证券市场的意义

  第五节  本章小结

第九章  随机交易间隔分析

  第一节  数据以高频记录的成本

  第二节  随机交易间隔的基本特征

  第三节  数据清洗中可能遇到的错误

  第四节  信息与噪声在何处分界

    一  概率分布与反演

    二  更细致的分析

    三  经济含义解读

  第五节  随机交易间隔建模

  第六节  本章小结

第十章  结论与展望

  第一节  结论

  第二节  展望

参考文献

后记·致谢

查看详情

统计学视角下的金融高频数据挖掘理论与方法研究

内容简介:

作者简介:

目录: