金融计量经济学与大数据分析
定价：￥59.00
作者： 杨超，范馨月
出版时间：2026-03
最新印次日期：2026-3
出版社：上海财经大学出版社
- 上海财经大学出版社
- 9787564249137
- 1版
- 2026-03
- 经济学
- 财政学类
- 财经商贸大类
- 财经类
- 本科
作者简介
内容简介
全书共三部分十章。
第一部分（第1章）概述金融实证分析的主要问题与常用数据类型，帮助读者建立研究目标与方法选择的整体认知。
第二部分（第2至7章）系统讲解经典计量经济学理论，涵盖经典线性回归模型、广义线性回归、内生性与工具变量、面板数据模型、非线性与受限因变量模型，以及时间序列分析（自回归、波动率建模、单位根与协整、VAR模型），夯实基本分析能力。
第三部分（第8至10章）针对大数据背景下金融数据的新特征，依次介绍高维数据的收缩估计与线性因子模型、网络数据的静态与动态生成模型及其在金融关联分析中的应用、AI文本分析的核心技术与金融实践案例。
本书注重方法背后的直觉与实际应用，适合金融学、计量经济学及相关专业硕博研究生作为课程教材或研究参考。
第一部分（第1章）概述金融实证分析的主要问题与常用数据类型，帮助读者建立研究目标与方法选择的整体认知。
第二部分（第2至7章）系统讲解经典计量经济学理论，涵盖经典线性回归模型、广义线性回归、内生性与工具变量、面板数据模型、非线性与受限因变量模型，以及时间序列分析（自回归、波动率建模、单位根与协整、VAR模型），夯实基本分析能力。
第三部分（第8至10章）针对大数据背景下金融数据的新特征，依次介绍高维数据的收缩估计与线性因子模型、网络数据的静态与动态生成模型及其在金融关联分析中的应用、AI文本分析的核心技术与金融实践案例。
本书注重方法背后的直觉与实际应用，适合金融学、计量经济学及相关专业硕博研究生作为课程教材或研究参考。
目录
第一部分 金融实证分析简介
第1章 实证问题与金融数据 3
1.1 大数据时代的实证分析 3
1.2 金融数据类型 4
1.3 三种模型 6
第二部分 金融计量基本理论
第2章 经典线性回归模型 11
2.1 线性回归模型 11
2.2 最小二乘估计的原理 13
2.3 经典模型假设 15
2.4 代数性质与拟合优度 20
2.5 小样本性质与统计推断 23
2.6 大样本性质与统计推断 26
第3章 广义线性回归模型 31
3.1 广义线性回归模型 31
3.2 OLS估计的性质 32
3.3 GLS估计 33
第4章 数据问题与内生性 36
4.1 数据问题 36
4.2 内生性与工具变量 38
第5章 面板数据模型 46
5.1 面板数据的基本框架 47
5.2 基于混合回归的几种估计 49
5.3 固定效应模型 51
5.4 随机效应模型 53
5.5 小结 54
第6章 非线性与受限因变量模型 55
6.1 非线性回归 55
6.2 受限因变量模型 57
第7章 时间序列分析 60
7.1 时间序列的定义与基本性质 61
7.2 自回归与移动平均 67
7.3 时间序列的波动率建模 70
7.4 单位根与协整 73
7.5 向量自回归模型 77
第三部分 大数据方法
第8章 高维数据问题 85
8.1 高维数据与收缩估计 85
8.2 高维数据与线性因子模型 89
第9章 网络数据分析 98
9.1 网络计量经济学与机器学习 98
9.2 静态网络形成模型 104
9.3 动态网络形成模型 110
9.4 网络上的经济金融现象 117
第10章 AI文本分析 119
10.1 AI文本分析概述 119
10.2 AI文本分析的核心技术 122
10.3 核心AI模型 125
参考文献 130
第1章 实证问题与金融数据 3
1.1 大数据时代的实证分析 3
1.2 金融数据类型 4
1.3 三种模型 6
第二部分 金融计量基本理论
第2章 经典线性回归模型 11
2.1 线性回归模型 11
2.2 最小二乘估计的原理 13
2.3 经典模型假设 15
2.4 代数性质与拟合优度 20
2.5 小样本性质与统计推断 23
2.6 大样本性质与统计推断 26
第3章 广义线性回归模型 31
3.1 广义线性回归模型 31
3.2 OLS估计的性质 32
3.3 GLS估计 33
第4章 数据问题与内生性 36
4.1 数据问题 36
4.2 内生性与工具变量 38
第5章 面板数据模型 46
5.1 面板数据的基本框架 47
5.2 基于混合回归的几种估计 49
5.3 固定效应模型 51
5.4 随机效应模型 53
5.5 小结 54
第6章 非线性与受限因变量模型 55
6.1 非线性回归 55
6.2 受限因变量模型 57
第7章 时间序列分析 60
7.1 时间序列的定义与基本性质 61
7.2 自回归与移动平均 67
7.3 时间序列的波动率建模 70
7.4 单位根与协整 73
7.5 向量自回归模型 77
第三部分 大数据方法
第8章 高维数据问题 85
8.1 高维数据与收缩估计 85
8.2 高维数据与线性因子模型 89
第9章 网络数据分析 98
9.1 网络计量经济学与机器学习 98
9.2 静态网络形成模型 104
9.3 动态网络形成模型 110
9.4 网络上的经济金融现象 117
第10章 AI文本分析 119
10.1 AI文本分析概述 119
10.2 AI文本分析的核心技术 122
10.3 核心AI模型 125
参考文献 130
