人民大金融计量学：基于R和PYTHON教学课件8.pptx

第一章 导论 学习目标了解金融计量学的建模步骤、金融数据的主要类型和来源。熟悉R和Python语言的基本操作。掌握各类收益率的计算、分布特征和金融数据的可视化。通过疫情期间中美股指收益率对比，体现我国金融风险的可控性以及我国制度优越性。 1.1金融计量学概述 1.2收益率计算 1.3常见的统计分布 1.4 收益率的分布特征 1.5 R软件和Python软件介绍 1.6专题：金融数据的可视化 目录CONTENTS 金融计量学概述 1.1 1.1.1金融计量学的含义 计量经济学起源于经济学，是经济学的一个非常重要的分支学科，它以揭示经济活动中客观存在的数量关系为内容。计量经济学不仅可以检验经济理论，也可以对经济变量进行预测，如预测通货膨胀率的走势、大宗商品的价格等。计量经济学是基于历史数据采用经济数学和统计模型拟合实际数据的过程，具体包括模型设计和建立、参数估计、统计检验和预测等步骤。 金融计量学是计量经济学的一个分支，是计量经济学在金融学中的一种应用。现代意义上的金融计量学，不仅包括金融市场的计量分析，统计技术在处理金融问题中的应用，还包括利用计量方法对宏观经济中的金融问题的研究。 1.1.2金融计量建模步骤第一步，把需要研究的金融问题模型化。第二步，样本数据搜集。第三步，确定估计方法。第四步，模型的检验。第五步，模型的应用。 1.1.3金融数据的主要类型和来源 金融数据的主要类型时间序列数据截面数据面板数据 金融数据的来源专业性网站专业数据公司和信息公司抽样调查金融文本挖掘 收益率计算1.2 1.2.1单期简单收益率和多期简单收益率 设Pt是t时刻的资产价格。从t-1至t日，持有该资产的投资者，其单期简单毛收益率(1+Rt)为： 与之相对应的单期简单净收益率（simple net return）或简单收益率（simple return）Rt为： 1.2.1单期简单收益率和多期简单收益率 1.2.2连续复利收益率 1.2.3对数收益率 R代码library(xts) ###加载包library(psych) data - read.csv(E://jrjl/Chapter1/GZMTp.csv,header = T) ###读入数据 DATE - data[,1] date - as.Date(DATE) dat -xts(data[,2],date) logR-log(dat) ###对数收益率计算 logr - diff(logR) logreturn - logr[-1,] date1 - date[-1] par(mfrow = c(2,2)) ###可视化 plot(date,dat,main=,lwd=1,xlab=贵州茅台收盘价,ylab=,type=l) plot(date1,logreturn,main=,lwd=1,xlab=贵州茅台收益率,ylab=,type=l) 1.2.4资产组合收益率 1.2.5当期收益率与到期收益率 常见的统计分布1.3 1.3.1正态分布 在金融计量分析时，常常假设资产收益率服从正态分布，其原因还是源于正态分布具有良好的统计特征。但事实上，假设资产收益率服从正态分布是不合理的，原因有三个方面。一：简单收益率一定大于等于-100%，但正态分布却没有这样的限制。二：多期毛收益率是单期毛收益率的乘积，不再服从正态分布。三：收益率分布大多是厚尾的，不符合正态分布的尾部特征。 1.3.2对数正态分布 R代码 x=seq(0,1,by=0.01) curve(dlnorm(x,meanlog = 0,sdlog = 1),from=0,to=10) 1.3.3稳态分布 稳态分布是正态分布的自然推广，其在加法运算下是稳定的，这一点满足对数收益率的要求。 稳态分布能刻画股票的历史收益率所显现的超额峰度。非正态的稳态分布没有有限方差，这一点与大部分金融理论相矛盾。 用非正态的稳态分布进行统计建模是很困难的。非正态稳态分布的例子是柯西分布，其关于中位数对称，方差是无限的。 1.3.4极值分布 极值分布是指在概率论中极大值（或者极小值）的概率分布，是从很多个彼此独立的极大值中挑出来的各个极大值应当服从的概率密度分布。 极值分布包括广义极值分布、广义Pareto分布等，极值分布在金融风险计量分析中是一个常用的分布。在第六章我们将详细论述。 收益率的分布特征1.4 1.4.1随机变量的矩及分布特征 1.4.1随机变量的矩及分布特征 1.4.1随机变量的矩及分布特征 1.4.1随机变量的矩及分布特征 1.4.2样本矩及分