发表于2024-11-04
本书主要针对金融领域中的问题,介绍如何通过建立数学模型,并运用Matlab、Excel等软件工具进行计算的金融数据分析技术,通过金融行业的实际案例,全面介绍数据整理、模型建立、参数确定、计算处理、结果分析的完整过程,并给出详细的上机实验指导,帮助读者自己亲自体验,以便读者更好地掌握金融数据分析技术。希望本书的出版能为培养金融数据分析人才做出一点贡献,同时为大数据时代各行各业需要数据分析技术的人员提供参考。
目前我国出版的金融计算方面的教材大多只针对已经掌握金融知识的读者,重点介绍如何使用Excel、SAS、Matlab等软件进行计算,这类教材对于数学、统计、信息、计算机等非金融类专业的读者,需要花费大量时间补充金融知识。本书的特点是对每一个金融问题,首先简单明了地介绍相关金融知识,力求每章自成体系,不仅方便金融类专业的读者使用,更方便非金融类专业的读者使用。本书的另一个特点是通过金融行业的实际案例,全面介绍数据整理、模型建立、参数确定、计算处理、结果分析的完整过程,并给出详细的上机实验指导,帮助读者亲身体验。
本书主要针对金融领域中的问题,介绍如何通过建立数学模型,并运用Matlab、Excel等软件工具进行计算的金融数据分析技术,通过金融行业的实际案例,全面介绍数据整理、模型建立、参数确定、计算处理、结果分析的完整过程,并给出详细的上机实验指导,帮助读者亲身体验,以便读者更好地掌握数据分析技术。
本书的主要内容包括金融数据库的基本概念,国内外常用金融数据库、Matlab和Excel等金融数据分析软件工具的使用、金融时间序列分析、金融风险价值计算、资产组合计算、金融衍生品定价计算、固定收益证券计算、信用评分与行为评分等。
本书可以作为应用型高等院校的金融学、金融信息、金融工程、金融数学等专业本科生的教材,也可作为需要金融数据分析技术的其他各专业本、专科生的教材。本书的特点是对每一个金融问题,首先简单明了地介绍相关金融知识,力求每章自成体系,因此特别适合数学、统计、信息、计算机等非金融类专业的读者。对数据分析技术感兴趣的其他读者,也可将本书作为参考书。
目 录
第1章 金融数据库 1
1.1 金融数据库的概念 1
1.2 国内外常用金融数据库简介 5
1.3 锐思数据(RESSET/DB)使用简介 13
1.4 实验一:金融数据下载实验 27
本章小结 30
思考讨论题 31
第2章 数据分析软件工具 32
2.1 金融数据分析软件工具简介 32
2.2 Matlab及其金融工具箱 37
2.3 Matlab的基础知识 40
2.4 实验二:金融数据分析软件
使用实验 74
本章小结 75
思考讨论题 76
第3章 金融时间序列分析 77
3.1 金融时间序列 78
3.2 确定性时间序列分析 82
3.3 随机性时间序列分析 88
3.4 广义自回归条件异方差模型 107
3.5 实验三:金融时间序列分析实验 118
本章小结 119
思考讨论题 120
第4章 金融风险价值的计算 121
4.1 金融风险价值VaR模型 121
4.2 使用Excel计算风险价值VaR的
案例 130
4.3 使用Matlab软件计算
风险价值(VaR)的案例 135
4.4 实验四:金融市场风险的
VaR计算实验 162
本章小结 164
思考讨论题 165
第5章 资产组合的计算 166
5.1 资产组合基本原理 166
5.2 资产组合的有效前沿 176
5.3 用Excel进行资产组合计算的
案例 180
5.4 用Matlab进行资产组合计算的
案例 194
5.5 实验五:投资组合分析计算实验 210
本章小结 212
思考讨论题 213
第6章 金融衍生品的计算 214
6.1 金融衍生品 214
6.2 期权 220
6.3 Black-Scholes期权定价模型 227
6.4 Black-Scholes期权价格的
敏感性分析 233
6.5 期权定价的二叉树法 237
6.6 投资组合套期保值策略 241
6.7 实验六:金融衍生品定价
计算实验 248
本章小结 249
思考讨论题 250
第7章 固定收益证券计算 251
7.1 固定收益证券的基本概念 251
7.2 用Excel进行固定收益证
券分析案例 261
7.3 用Matlab进行固定收益证券计算 266
7.4 实验七:固定收益证券计算实验 276
本章小结 279
思考讨论题 279
第8章 信用评分与行为评分 280
8.1 信用评分与行为评分的基本概念 280
8.2 建立信用评分卡的统计学方法 283
8.3 信用评分的非统计学方法 303
8.4 行为评分模型及其应用 318
8.5 案例 328
8.6 实验八:个人信用综合评分实验 337
本章小结 353
思考讨论题 354
参考文献 355
第1章 金融数据库
【学习要点及目标】
* 掌握金融数据库的概念。
* 了解金融数据库的起源、作用及分类。
* 了解国外金融数据库的概况和国内金融数据库的概况。
* 了解金融数据库的选择标准,会选择合适的金融数据库。
【核心概念】
数据 数据库 金融数据 金融数据库 金融数据库应用系统 金融数据服务产业
1.1 金融数据库的概念
随着我国金融信息化的不断推进和金融市场的快速发展,银行、证券交易所、证券公司、基金公司、期货交易所、黄金交易所、金融期货交易所等各类金融机构每天都产生大量的金融数据,最近几年,我国互联网金融蓬勃发展,第三方支付、P2P网贷、众筹融资、大数据金融服务等互联网金融企业每天也产生大量的金融数据,这些金融数据如同一座含有丰富信息和知识宝藏的矿山,等待我们去发掘。随着大数据、云计算、移动支付、数据科学、智慧金融等概念和技术的普及,使得人们越来越重视金融数据及其价值。
1.1.1 金融数据库的定义
金融数据库就是运用金融理论和计算机数据库技术,将金融机构运营过程、金融市场交易过程和互联网金融企业中产生的各种金融数据进行采集、加工整理,并按一定格式存储便于共享的金融数据集合。它常常与基于该数据库的查询检索、统计分析、模型建立、计算处理等信息技术支持和服务一起,构成金融数据库应用系统,形成金融数据(信息)服务平台,为金融投资、金融研究、金融教学等提供金融数据和相关服务。
1.1.2 金融数据库的起源
随着现代金融学和金融市场的发展,无论是进行金融投资,还是进行金融学研究和教学,都离不开金融数据。对于金融机构和互联网金融企业的从业人员来说,金融数据是他们进行金融投资活动和开展研究的必要基础。对于金融数学、金融统计学、金融工程学、金融信息学、计算金融学、实验金融学等学科领域,金融数据是一个重要的基础,研究者只有收集到全面、准确和完整的数据,才能进行有意义的经济与金融研究。
早期的实证研究者需要花费大量的时间自己进行数据收集整理,不仅影响了研究进度,而且常常因收集的数据不全面、也不一定准确,还会影响研究的结果。另一种情况是,有很多金融数据,普通研究者和普通研究机构难以搜集到,甚至根本无法搜集到,使相关研究无法进行。由于对金融数据的需求越来越迫切,人们越来越注重对金融数据的收集、整理和共享,以便减少重复劳动,降低金融数据收集的成本。于是,专门提供金融数据库的公司出现了,这是社会分工的结果。金融数据库和金融信息服务平台作为一种产品和一种服务,逐渐被人们所接受,并且诞生了一个新兴行业--金融数据服务业。
金融数据服务业是现代金融服务行业的基础和金融创新的源泉。在金融市场比较发达的国家,金融数据服务业的从业人数和资本投入规模都占整个金融服务业很大的一部分。金融数据服务行业在经营范围、安全性、保密性、可靠性和其他监管等方面都有严格的要求,其兼具金融和技术行业特点的性质,决定了其与其他信息服务和技术服务业的区别。由于金融数据和金融技术平台会同时用于银行、证券、保险和基金等不同的金融服务业,在中国金融行业分业经营分业监管的环境下,更显示出第三方独立的金融数据服务行业的必要性。按照目前互联网金融的分类,金融信息服务属于互联网金融六大主要类型之一,金融信息服务主要包括金融数据服务、信用信息服务、金融信息门户网等。我国的金融数据服务是互联网金融中发展最早且最成熟的类型,已有20多年的发展历史,不少金融数据服务企业已经是上市公司。
金融数据服务行业的主要业务范围是:对包括个人和企业数据在内的各种金融数据(包括一些用于评估企业和个人信用的非传统金融数据,如企业电子商务网站的浏览量、商品的关注时间、收藏率、交易量等数据,还有财经论坛、博客、微博、微信等文本数据)进行收集、汇总、标准化和发布;提供各种专业的数据定制服务;在原生金融数据的基础上发布相关指数和市场公共基础数据;搭建适用于金融及相关行业的信息技术平台,提供解决方案(包括金融交易系统、清算结算系统、风险控制系统、信息管理系统、数据整合/分析和报告平台、数据挖掘/处理和分析平台、建立和维护投资监控平台等);利用金融数据开展金融分析、资产定价和风险评估;在金融数据基础上设计金融产品和搭建金融模型;研究资产定量管理方法和金融产品量化交易策略;提供与金融数据相关的咨询和外包服务等。
1.1.3 金融数据库的作用
金融数据库是为金融投资者、金融研究者提供的金融信息服务的基础,在金融投资活动和研究、金融实证研究和金融教学中都有十分重要的作用。
1.有效节约研究者搜集数据、整理数据的时间以提高研究效率
通过金融(研究)数据库提取所需数据可节省金融研究者收集数据、验证数据与计算数据的宝贵时间,提高研究效率。据统计,在没有完整、准确的金融数据库情况下,研究者一半以上的时间都花在收集、整理数据上,有时甚至会花费80%的时间用于金融数据的收集、整理,不仅效率低且易出错。并且,有很多金融数据,普通研究者和普通研究机构难以搜集到。有了金融数据库后,研究人员可以直接得到研究所需的金融数据,无需花费大量的时间进行相关金融数据的搜集整理,而且专门的金融数据库提供商,能够提供更为全面、更为完整和更为准确的高质量的金融数据,使学术研究尤其是实证研究的效率显著提高,成果明显增加。
2.降低研究者和研究机构的数据获取成本
与分别从不同的金融数据源机构购买数据比较而言,直接购买金融数据库,可大幅节省研究者,特别是研究机构的数据获取的资金成本,而且并不是所有的金融数据源机构都愿意出售零星小批量的数据。
3.可以为研究者提供各种专业的数据定制服务
金融研究者不仅需要原始的金融数据,有时也进行数据合并、变换、计算衍生指标等,甚至需要一些特别定制的金融数据,大量数据的整理计算的难度往往很大,需要一些技术含量高的信息处理技术,这些信息处理技术的学习也需要大量的时间投入,而提供金融数据库的专业的金融信息服务企业也提供各种专业的数据定制服务,包括特殊需求的数据整理、模型建立和计算程序体设计等服务,支持研究者的研究,让研究者可以专注于金融问题本身的研究。
4.采用同一金融数据库有利于研究结果的比较
如果每个研究者都使用自己搜集的数据,相关指标的计算处理标准不统一,其研究结果很难进行比较。而采用同一金融数据库,可使标准统一,有利于研究结果的比较。
5.为金融学教学提供辅助工具并帮助培养急需的相关人才
金融数据库为金融学教学提供了很好的辅助工具,教师可运用金融数据库的数据对各种理论、模型进行演示,使学生能够比较直观地掌握深奥的理论知识和分析方法,从而提高教学效率与质量。运用金融数据库的专业数据,还可以对经典文献、经典模型进行方便的检验,在检验的过程中发现"偏差"和不同市场的特色,从而构建自己的模型,在前人研究的基础上进行新的尝试,拓展研究思路,培养学生的创新能力。
最近几年,大数据已成为大家耳熟能详的名词,金融大数据如同一座含有丰富信息和知识宝藏的矿山,有待去发掘。随着大数据、云计算、移动支付、数据科学、智慧金融等概念和技术的普及,使得人们越来越重视金融数据及其价值。如何从海量的数据中挖掘出有价值的新信息,并发现帮助企业创造价值的新知识,是我国金融行业中信息技术与金融业务深度融合发展面临的主要课题,也是我国金融行业提高国际竞争力的关键。金融数据库有助于培养我国的金融企业和互联网金融企业都急需的能够综合运用数学理论、信息技术并精通金融业务的金融数据分析人才和金融数据挖掘人才。
1.1.4 金融数据库的分类
目前,金融数据库已经发展到比较成熟的阶段,国内外市场上已有各种金融数据库。按照不同的标准,可将其划分为多种类型。
(1) 按金融数据库的内容和用途的不同,分为行情咨询数据库和研究型数据库。
行情咨询数据库主要提供金融市场实时交易行情等咨询类数据,重点在保证金融市场数据的实时性、直接性、准确性,不需要对数据进行加工整理。数据库主要为投资者服务,使用对象以各类投资者为主。
研究型数据库是为研究人员提供服务,它不仅提供原始数据,还为研究者提供一系列对原始数据按专业标准进行深层加工整理得到的各类常用数据指标,包含研究人员需要的更为全面的数据,很多研究性金融数据库提供商还同时提供宏观经济数据,方便研究人员使用。
有的金融数据库提供商同时提供金融市场实时交易行情(包括高频数据)等咨询类数据和研究型数据,形成完整的数据服务平台。
(2) 按金融数据的种类不同,分为单一金融数据库和综合金融数据库。
单一金融数据库主要提供单一种类的金融市场的相关数据,如股票数据库、外汇数据库、债券数据库等,甚至还可以是专门的钢铁交易数据库等。这类数据库虽然数据范围相对狭窄,但是通常更加专业和精细,可以提供更为多样的衍生指标和专题数据。
综合金融数据库通常提供多个金融市场的相关数据。很多投资者特别是机构投资者都在多个金融市场进行投资,研究者也要进行跨市场研究,综合金融数据库正适合了他们的需求。
金融数据库的综合化已经成为一种趋势,越来越多的金融数据库提供商在不断扩大数据范围,同时提供利率、汇率、通货膨胀率等宏观数据,以及各类行业数据,甚至法律信息和与金融有关的政治、社会和科技信息。
1.1.5 金融数据库的选择标准
评价和选择金融数据库的标准主要有以下几个。
(1) 设计体系科学、合理。
(2) 数据内容完整、准确。
(3) 相关衍生指标计算正确。
(4) 使用方便,服务完善。
(5) 数据库的结构稳定。
(6) 数据更新及时。
选择金融数据库时,还要考虑数据的下载方式、对二次开发的支持、与研究和教学的适合度等,选择一个适合自己用途的金融数据库。
1.2 国内外常用金融数据库简介
1.2.1 国外金融数据库的概况
国际著名的金融数据库有美国芝加哥大学商研所金融研究中心的CRSP数据库(The Center for Research in Security Prices)、美国著名的信用评级公司标准普尔(Standard & Poor's)的Compustat数据库以及纽约交易所TAQ数据库等。
前 言
随着我国金融信息化的不断推进和金融市场的快速发展,银行、保险公司、证券交易所、证劵公司、基金公司、期货交易所、黄金交易所、金融期货交易所等各类金融机构每天都产生大量的金融数据。最近几年,我国互联网金融蓬勃发展,第三方支付、P2P网贷、众筹融资、大数据金融和金融信息服务等互联网金融企业每天也产生大量的金融数据,这些金融数据如同一座含有丰富信息和知识宝藏的矿山,等待我们去发掘。随着大数据、云计算、移动支付、数据科学、智慧金融等概念和技术的普及,使得人们越来越重视金融数据及其价值。如何从海量的数据中挖掘出有价值的新信息,并发现帮助企业创造价值的新知识,是我国金融行业中信息技术与金融业务深度融合发展面临的主要课题,也是我国金融行业提高国际竞争力的关键。目前我国的金融企业和互联网金融企业都急需大量能够综合运用数学理论、信息技术并精通金融业务的金融数据分析人才和金融数据挖掘人才。
本书主要针对金融领域中的问题,介绍如何通过建立数学模型,并运用Matlab、Excel等软件工具进行计算的金融数据分析技术,通过金融行业的实际案例,全面介绍数据整理、模型建立、参数确定、计算处理、结果分析的完整过程,并给出详细的上机实验指导,帮助读者自己亲自体验,以便读者更好地掌握金融数据分析技术。希望本书的出版能为培养金融数据分析人才做出一点贡献,同时为大数据时代各行各业需要数据分析技术的人员提供参考。
本书共分为8章。第1章主要介绍金融数据库的基本概念,国内外常用金融数据库;第2章主要介绍Matlab、Excel等金融数据分析软件工具的使用方法;第3章主要介绍金融时间序列分析;第4章主要介绍金融风险价值计算;第5章主要介绍资产组合计算;第6章主要介绍金融衍生品定价计算;第7章主要介绍固定收益证券计算;第8章主要介绍信用评分与行为评分。
目前我国出版的金融计算方面的教材大多只针对已经掌握金融知识的读者,重点介绍如何使用Excel、SAS、Matlab等软件进行计算,这类教材对于数学、统计、信息、计算机等非金融类专业的读者,需要花费大量时间补充金融知识。本书的特点是对每一个金融问题,首先简单明了地介绍相关金融知识,力求每章自成体系,不仅方便金融类专业的读者使用,更方便非金融类专业的读者使用。本书的另一个特点是通过金融行业的实际案例,全面介绍数据整理、模型建立、参数确定、计算处理、结果分析的完整过程,并给出详细的上机实验指导,帮助读者亲身体验。
本书的第1、2、4、6章以及第3章的部分内容由元如林编写,第3章的部分内容和第7章由李广明编写,第5章由罗远编写,第8章由关莉莉编写,全书的统稿和Matlab计算的内容由元如林完成。
在本书的编写过程中,我们参考了许多经济学和金融学的书籍,特别参考了许多应用数学软件如Matlab、SAS、SPSS、Excel等进行金融计算的书籍,还参阅了网上相关内容,也得到许多领导和同事的关心和帮助,在此一并向他们表示衷心的感谢!
由于编者水平有限,特别是本书的内容涉及多学科交叉,疏漏、不足和错误之处在所难免,恳请读者批评指正。
本书获得了中央与地方共建上海金融学院金融信息团队建设项目和上海金融学院教学质量工程(特色教材)项目的资助。
编 者
金融数据分析技术 基于Excel和Matlab 高等院校金融学专业系列教材 下载 mobi pdf epub txt 电子书 格式 2024
金融数据分析技术 基于Excel和Matlab 高等院校金融学专业系列教材 下载 mobi epub pdf 电子书好用极了值得拥有么么么么哒
评分不错的书~~~~~~~
评分不错很全面
评分没有破损 , 非常好
评分好书准备认真学
评分一般般,没什么可说的!
评分不错的书~~~~~~~
评分商品不错,发货速度很快。
评分不错!
金融数据分析技术 基于Excel和Matlab 高等院校金融学专业系列教材 mobi epub pdf txt 电子书 格式下载 2024