前　言
第1 章　计量经济学及其Python 应用环境
　　　　1.1　计量经济学的含义/001
1.2　计量经济分析建模步骤/001
1.3　经济数据类型/003
1.4　经济数据来源/003
1.5　计量经济分析工具简介/004
1.6　Python 的下载与安装/007
1.7　国内财经数据Python 存取方法的应用/012
1.8　国外财经数据Python 存取方法的应用/023
练习题/025
第2 章　Python 在一元回归分析中的应用
　　　　2.1　理论一元回归方程/026
2.2　估计一元回归方程/027
2.3　一元线性回归方程模型的统计检验/029
2.4　一元线性回归模型预测的置信区间/031
2.5　一元线性回归分析的Python 应用/032
练习题/037
第3 章　Python 在多元回归分析中的应用
　　　　3.1　多元线性回归分析基本理论/041
3.2　虚拟变量/045
3.3　多元线性回归分析的Python 应用/045
3.4　多元线性回归分析的Scikit- Learn 工具应用/051
3.5　逻辑回归分析的Python 应用/057
3.6　广义线性回归分析的Python 应用/058
练习题/061
第4 章　Python 在多重共线性中的应用
　　　　4.1　多重共线性的概念/064
4.2　多重共线性的后果/065
4.3　产生多重共线性的原因/065
4.4　多重共线性的识别和检验/066
4.5　消除多重共线性的方法/068
4.6　多重共线性诊断的Python 应用/070
4.7　多重共线性消除的Python 应用/073
练习题/075
第5 章　Python 在异方差中的应用
　　　　5.1　异方差的概念/077
5.2　异方差产生的原因/078
5.3　异方差的后果/079
5.4　异方差的识别和检验/080
5.5　消除异方差的方法/083
5.6　异方差诊断的Python 应用/084
5.7　异方差消除的Python 应用/086
5.8　异方差应用实例/087
练习题/092
第6 章　Python 在自相关中的应用
　　　　6.1　自相关的概念/097
6.2　产生自相关的原因/097
6.3　自相关的后果/099
6.4　自相关的识别和检验/099
6.5　自相关的处理方法/102
6.6　自相关诊断的Python 应用/104
6.7　自相关消除的Python 应用/105
6.8　金融市场数据自相关实例/106
练习题/110
第7 章　Python 在时间序列分析自相关性与平稳性中的应用
　　　　7.1　自相关性/116
7.2　平稳性/120
7.3　白噪声和随机游走/121
7.4　Python 模拟白噪声和平稳性检验/122
7.5　沪深300 价格数据的平稳性检验分析/125
7.6　单位根检验/128
练习题/130
第8 章　Python 在时间序列分析ARIMA 等模型中的应用
　　　　8.1　Python 在AR 模型中的应用/131
8.2　Python 在MA 模型中的应用/135
8.3　Python 在ARMA 模型中的应用/138
8.4　Python 在ARIMA 模型中的应用/141
练习题/144
第9 章　Python 在时间序列分析ARCH 与GARCH 模型中的应用
　　　　9.1　股票收益率时间序列的特点/145
9.2　Python 在ARCH 模型中的应用/147
9.3　Python 在GARCH 模型中的应用/151
练习题/155
第10 章　Python 在面板数据计量分析中的应用
　　　　10.1　面板数据计量分析的基本理论/156
10.2　Python 应用实例/157
练习题/161
第11 章　Python 在广义矩估计与最大似然估计中的应用
　　　　11.1　Python 在广义矩估计中的应用/162
11.2　Python 在最大似然估计中的应用/166
练习题/171
第12 章　Python 在格兰杰因果关系中的应用
　　　　12.1　格兰杰因果关系/172
12.2　格兰杰因果关系检验/172
12.3　Python 的应用实例/173
练习题/176
第13 章　Python 在协整配对交易策略中的应用
　　　　13.1　基于Bigquant 平台的协整配对交易策略/177
13.2　基于Python 环境的协整配对交易策略/189
练习题/202
附　录
　　　　附录A　计量经济学Python 工作环境准备/203
附录B　Python 基础知识与编程/215
练习题/226
参考文献227