272,779
次編輯
變更
创建页面，内容为“《'''计量经济分析及其Python应用'''》，朱顺泉 著，朱顺泉 编，出版社： 清华大学出版社。 清华大学出版社成立于1980年6月…”
《'''计量经济分析及其Python应用'''》，朱顺泉 著，朱顺泉 编，出版社： 清华大学出版社。
清华大学出版社成立于1980年6月，是教育部主管、[[清华大学]]主办的综合性大学出版社<ref>[http://www.zhongyw.com.cn/news/show-53574.html 我国出版社的等级划分和分类标准]，知网出书，2021-03-01</ref>。清华社先后荣获 “先进高校出版社”“全国优秀出版社”“全国百佳图书出版单位”“中国版权最具影响力企业”“首届全国教材建设奖全国[[教材]]建设先进集体”等荣誉<ref>[http://www.tup.tsinghua.edu.cn/aboutus/qyjj.html 企业简介]，清华大学出版社有限公司</ref>。
==内容简介==
《计量经济分析及其Python应用》结合实例介绍计量经济分析及其Python应用，涵盖计量经济分析的基本内容以及较前沿的量化投资分析、机器学习等内容，使读者深刻理解Python的精髓和灵活、高效的使用技巧。本书融理论、方法、应用于一体，提供相关程序代码和数据文件，实用性强。
==目录==
章计量经济分析及其Python环境
1.1计量经济分析的含义
1.2计量[[经济]]分析建模的步骤
1.3经济数据类型
1.4经济数据来源
1.5计量经济分析工具简介
1.6Python工具的下载与安装
1.7国内外财经大数据的存取方法及其Python应用
练习题
第2章描述性统计及其Python应用
2.1描述性统计的Python工具
2.2数据集中趋势度量及其Python应用
2.3数据离散状况度量及其Python应用
2.4峰度、偏度与正态性检验及其Python应用
2.5异常[[数据]]处理
练习题
第3章参数估计及其Python应用
3.1参数估计与置信区间的含义
3.2点估计矩分析法的Python应用
3.3单正态总体均值区间估计的Python应用
3.4单正态总体方差区间估计的Python应用
3.5双正态总体均值差区间估计的Python应用
3.6双正态总体方差比区间估计的Python应用
练习题
第4章参数假设检验及其Python应用
4.1参数假设检验的基本理论
4.2单个样本t检验的Python应用
4.3两个独立样本t检验的Python应用
4.4配对样本t检验的Python应用
4.5单样本方差假设检验的Python应用
4.6双样本方差假设检验的Python应用
练习题
第5章相关分析与一元回归分析及其Python应用
5.1相关分析基本理论
5.2相关分析的Python应用
5.3一元线性回归分析基本理论
5.4一元线性回归分析的Python应用
练习题
第6章多元回归分析及其Python应用
6.1多元线性回归分析基本理论
6.2虚拟变量
6.3多元线性回归分析的Python应用
6.4多元线性回归分析的Scikit-learn工具应用
6.5逻辑Logistic回归分析Python应用
6.6广义线性回归分析Python应用
6.7倾向评分匹配(PSM)及其Python应用
练习题
第7章多重共线性及其Python应用
7.1多重共线性的概念
7.2多重共线性的后果
7.3产生多重共线性的原因
7.4多重共线性的识别和检验
7.5消除多重共线性的方法
7.6多重共线性诊断的Python应用
7.7多重共线性消除的Python应用
练习题
第8章异方差及其Python应用
8.1异方差的概念
8.2异方差产生的原因
8.3异方差的后果
8.4异方差的识别检验
8.5消除异方差的方法
8.6异方差诊断的Python应用
8.7异方差消除的Python语言应用
8.8异方差应用实例的Python应用
练习题
第9章自相关及其Python应用
9.1自相关的概念
9.2产生自相关的原因
9.3自相关的后果
9.4自相关的识别和检验
9.5自相关的处理方法
9.6自相关诊断的Python应用
9.7自相关消除的Python应用
9.8金融市场数据自相关性实例的Python应用
练习题
0章财经大数据时间序列分析ARMA模型及其Python应用
10.1时间序列分析的基础知识
10.2自回归(AR)模型
10.3移动平均(MA)模型
10.4自回归移动平均(ARMA)模型
10.5差分自回归移动平均(ARIMA)模型
练习题
1章财经大数据广义自回归条件异方差模型(GARCH)及其Python应用
11.1自回归条件异方差模型(ARCH)及预测
11.2广义自回归条件异方差模型(GARCH)与波动率预测
练习题
2章面板数据计量分析及其Python应用
12.1面板数据计量分析的基本理论
12.2面板数据计量分析的Python应用
练习题
3章广义矩估计(GMM)与优选似然估计(MLE)及其Python应用
13.1广义矩估计(GMM)及其Python应用
13.2优选似然估计(MLE)及其Python应用
练习题
4章线性回归的内生性与Hausman检验及其Python应用
14.1内生性的相关理论
14.2基本的线性回归及其Python应用
14.3扩展的线性回归及其Python应用
14.4线性回归的内生性问题及其Python应用
14.5Hausman检验及其Python应用
练习题
5章财经大数据量化投资统计套利及其Python应用
15.1Python应用于Markowitz投资组合优化
15.2基于Bigquant量化投资平台的统计套利协整配对交易策略
15.3基于Python环境统计套利协整配对交易策略
练习题
6章人工智能机器学习及其Python应用
16.1机器学习算法分类
16.2常见的机器学习算法及其Python代码
16.3K-最近邻算法银行贷款分类及其Python应用
16.4各种机器学习算法及其Python应用
16.5K-最近邻法分类及其Python应用
练习题
==参考文献==
[[Category:040 類書總論；百科全書總論]]
清华大学出版社成立于1980年6月，是教育部主管、[[清华大学]]主办的综合性大学出版社<ref>[http://www.zhongyw.com.cn/news/show-53574.html 我国出版社的等级划分和分类标准]，知网出书，2021-03-01</ref>。清华社先后荣获 “先进高校出版社”“全国优秀出版社”“全国百佳图书出版单位”“中国版权最具影响力企业”“首届全国教材建设奖全国[[教材]]建设先进集体”等荣誉<ref>[http://www.tup.tsinghua.edu.cn/aboutus/qyjj.html 企业简介]，清华大学出版社有限公司</ref>。
==内容简介==
《计量经济分析及其Python应用》结合实例介绍计量经济分析及其Python应用，涵盖计量经济分析的基本内容以及较前沿的量化投资分析、机器学习等内容，使读者深刻理解Python的精髓和灵活、高效的使用技巧。本书融理论、方法、应用于一体，提供相关程序代码和数据文件，实用性强。
==目录==
章计量经济分析及其Python环境
1.1计量经济分析的含义
1.2计量[[经济]]分析建模的步骤
1.3经济数据类型
1.4经济数据来源
1.5计量经济分析工具简介
1.6Python工具的下载与安装
1.7国内外财经大数据的存取方法及其Python应用
练习题
第2章描述性统计及其Python应用
2.1描述性统计的Python工具
2.2数据集中趋势度量及其Python应用
2.3数据离散状况度量及其Python应用
2.4峰度、偏度与正态性检验及其Python应用
2.5异常[[数据]]处理
练习题
第3章参数估计及其Python应用
3.1参数估计与置信区间的含义
3.2点估计矩分析法的Python应用
3.3单正态总体均值区间估计的Python应用
3.4单正态总体方差区间估计的Python应用
3.5双正态总体均值差区间估计的Python应用
3.6双正态总体方差比区间估计的Python应用
练习题
第4章参数假设检验及其Python应用
4.1参数假设检验的基本理论
4.2单个样本t检验的Python应用
4.3两个独立样本t检验的Python应用
4.4配对样本t检验的Python应用
4.5单样本方差假设检验的Python应用
4.6双样本方差假设检验的Python应用
练习题
第5章相关分析与一元回归分析及其Python应用
5.1相关分析基本理论
5.2相关分析的Python应用
5.3一元线性回归分析基本理论
5.4一元线性回归分析的Python应用
练习题
第6章多元回归分析及其Python应用
6.1多元线性回归分析基本理论
6.2虚拟变量
6.3多元线性回归分析的Python应用
6.4多元线性回归分析的Scikit-learn工具应用
6.5逻辑Logistic回归分析Python应用
6.6广义线性回归分析Python应用
6.7倾向评分匹配(PSM)及其Python应用
练习题
第7章多重共线性及其Python应用
7.1多重共线性的概念
7.2多重共线性的后果
7.3产生多重共线性的原因
7.4多重共线性的识别和检验
7.5消除多重共线性的方法
7.6多重共线性诊断的Python应用
7.7多重共线性消除的Python应用
练习题
第8章异方差及其Python应用
8.1异方差的概念
8.2异方差产生的原因
8.3异方差的后果
8.4异方差的识别检验
8.5消除异方差的方法
8.6异方差诊断的Python应用
8.7异方差消除的Python语言应用
8.8异方差应用实例的Python应用
练习题
第9章自相关及其Python应用
9.1自相关的概念
9.2产生自相关的原因
9.3自相关的后果
9.4自相关的识别和检验
9.5自相关的处理方法
9.6自相关诊断的Python应用
9.7自相关消除的Python应用
9.8金融市场数据自相关性实例的Python应用
练习题
0章财经大数据时间序列分析ARMA模型及其Python应用
10.1时间序列分析的基础知识
10.2自回归(AR)模型
10.3移动平均(MA)模型
10.4自回归移动平均(ARMA)模型
10.5差分自回归移动平均(ARIMA)模型
练习题
1章财经大数据广义自回归条件异方差模型(GARCH)及其Python应用
11.1自回归条件异方差模型(ARCH)及预测
11.2广义自回归条件异方差模型(GARCH)与波动率预测
练习题
2章面板数据计量分析及其Python应用
12.1面板数据计量分析的基本理论
12.2面板数据计量分析的Python应用
练习题
3章广义矩估计(GMM)与优选似然估计(MLE)及其Python应用
13.1广义矩估计(GMM)及其Python应用
13.2优选似然估计(MLE)及其Python应用
练习题
4章线性回归的内生性与Hausman检验及其Python应用
14.1内生性的相关理论
14.2基本的线性回归及其Python应用
14.3扩展的线性回归及其Python应用
14.4线性回归的内生性问题及其Python应用
14.5Hausman检验及其Python应用
练习题
5章财经大数据量化投资统计套利及其Python应用
15.1Python应用于Markowitz投资组合优化
15.2基于Bigquant量化投资平台的统计套利协整配对交易策略
15.3基于Python环境统计套利协整配对交易策略
练习题
6章人工智能机器学习及其Python应用
16.1机器学习算法分类
16.2常见的机器学习算法及其Python代码
16.3K-最近邻算法银行贷款分类及其Python应用
16.4各种机器学习算法及其Python应用
16.5K-最近邻法分类及其Python应用
练习题
==参考文献==
[[Category:040 類書總論；百科全書總論]]