醉染图书金融数据处理和分析——基于SAS软件9787564940

第１章 SAS简介 ／１ １．１ ＳＡＳ的产生和发展 ／１ １．２ ＳＡＳ环境 ／２ １．２．１ 免费的大学版和云端科研版 ／２ １．２．２ ＳＡＳ模块 ／３ １．３ Ｂａｓｅ ＳＡＳ界面 ／３ １．３．１ 窗口 ／３ １．３．２ 菜单栏 ／６ 习题 ／７ 第２章 SAS数据集 ／９ ２．１ ＳＡＳ数据集结构 ／９ ２．２ ＳＡＳ数据集文件 ／１０ ２．２．１ 文件命名 ／１０ ２．２．２ 文件名缩略列示 ／１０ ２．３ ＳＡＳ数据集的组织———逻辑库 ／１１ ２．３．１ 逻辑库的创建 ／１１ ２．３．２ 逻辑库的合并 ／１２ 2． ３．３ 逻辑库的删除 ／１２ 2．４ ＳＡＳ数据集变量 ／１３ ２．４．１ 变量属 ／１３ ２．４．２ 变量缺失值 ／２１ ２．５ ＳＡＳ数据集的创建 ／２１ ２．５．１ 用命令ｖｔ产生新数据集 ／２１ ２．５．２ 导入外部标准源数据 ／２２ ２．６ ＳＡＳ数据集导出 ／２４ 习题 ／２４ 第３章 DATA步编程和数据处理：基础 ／２６ ３．１ ＳＡＳ程序 ／２６ ３．１．１ ＳＡＳ语句 ／２６ ３．１．２ ＳＡＳ表达式 ／２７ ３．１．３ 例程调用语句 ／３８ ３．１．４ 空语句 ／３９ ３．１．５ 注释语句和程序注释 ／３９ ３．１．６ 语句作用范围 ／４０ ３．２ ＤＡＴＡ步原理 ／４０ ３．２．１ ＤＡＴＡ步的几个重要概念 ／４０ ３．２．２ ＤＡＴＡ步三种流程 ／４２ ３．３ ＤＡＴＡ步———数据操作 ／４８ ３．３．１ ＤＡＴＡ语句———ＤＡＴＡ步的开始 ／４８ ３．３．２ ＳＥＴ语句———ＳＡＳ数据集观测的读取 ／４９ ３．３．３ 数据集观测操作 ／５２ ３．３．４ 数据集变量操作 ／５８ ３．４ ＤＡＴＡ步———执行流程控制 ／６９ ３．４．１ 分支控制 ／６９ ３．４．２ 循环控制 ／７３ ３．４．３ 特殊流程控制 ／７８ ３．５ ＳＡＳ数据集排序 ／８０ ３．５．１ 排序过程———Ｐｒｏｃｓｏｒｔ ／８０ ３．５．２ ＤＡＴＡ步中的排序数据集 ／８１ ３．６ ＳＡＳ数据集合并 ／８３ ３．６．１ 数据集串接合并 ／８３ ３．６．２ 数据集并接合并 ／８７ ３．６．３ 用多个ｓｅｔ语句合并 ／８９ 习题 ／９０ 第４章 DATA步编程和数据处理：进阶 ／９５ ４．１ 用ＤＡＴＡ步读取外部数据 ／９５ ４．１．１ 读取内嵌流式数据 ／９５ ４．１．２ 读取磁盘或设备文件数据 ／１２０ ４．２ 将ＤＡＴＡ步数据输出到外部文件 ／１３２ ４．２．１ 将数据输出到信息窗口 ／１３２ ４．２．２ 将数据读出到外部文件或者终端 ／１３３ ４．３ 数组及其应用 ／１３６ ４．３．１ 数组的定义 ／１３７ ４．３．２ 数组属 ／１３８ ４．３．３ 数组元素的引用 ／１４０ ４．３．４ 数组应用 ／１４１ ４．４ 数据查询 ／１４９ ４．４．１ 同一数据集跨行查询 ／１４９ ４．４．２ 数据集间查询 ／１５１ ４．５ 数据传递 ／１５３ ４．５．１ 用数据集传递 ／１５３ ４．５．２ ＤＡＴＡ步接口———ｓｙｍｐｕｔｘ例程和ｓｙｍｇｅｔ函数 ／１５４ ４．６ 数据维护 ／１５７ ４．６．１ 建立索引 ／１５７ ４．６．２ 修改和更新 ／１５８ ４．６．３ 数据集加密 ／１６４ ４．７ 程序调试 ／１６６ ４．７．１ 语法错误 ／１６６ ４．７．２ 语义错误 ／１６７ ４．７．３ 执行错误 ／１６７ ４．７．４ 数据错误 ／１６９ 习题 ／１７０ 第５章PROC步简介 ／１７２ ５．１ ＰＲＯＣ步 ／１７２ ５．１．１ 过程步边界 ／１７２ ５．１．２ 过程步要件 ／１７３ ５．１．３ 交互执行———ｒｕｎ 组 ／１７６ ５．２ 数据管理 ／１７７ ５．２．１ ｐｒｏｃｉｍｐｏｒｔ——数据导入过程 ／１７７ ５．２．２ ｐｒｏｃｔｒａｎｓｐｏｓｅ——转置过程 ／１８０ ５．３ 基础统计 ／１８２ ５．３．１ ｐｒｏｃｍｅａｎｓ过程 ／１８２ ５．３．２ ｐｒｏｃｕｎｉｖａｒｉａｔｅ过程 ／１８９ ５．４ 成批执行ＰＲＯＣ步———和ＤＡＴＡ步结合 ／１９５ 习题 ／１９８ 第６章 时间序列数据处理 ／１９９ ６．１ 时间序列数据集 ／１９９ ６．１．１ 日期和时间 ／１９９ ６．１．２ 缺失值和遗漏观测 ／２０６ ６．１．３ ＩＤ变量 ／２０７ ６．１．４ 时间区间（间隔） ／２０８ ６．１．５ 函数ｉｎｔｎｘ（）和ｉｎｔｃｋ（）——日期时间和间隔计算 ／２１１ ６．１．６ 滞后和差分 ／２１９ ６．２ 频率转换 ／２２３ ６．２．１ 高频转低频 ／２２３ ６．２．２ 低频转高频 ／２２６ ６．３ 变量变换 ／２２７ ６．３．１ Ｈ Ｐ滤波 ／２２７ ６．３．２ 滞后、和差分 ／２２８ ６．３．３ 移动（滚动）窗口内的计算 ／２２９ ６．３．４ 分数差分和求和 ／２３４ ６．３．５ 变换 ／２３６ ６．４ 时间序列画图 ／２３７ ６．４．１ 尺寸、格式和分别率，边界和外墙 ／２３８ ６．４．２ 数据图标、折线线型 ／２３９ ６．４．３ 时间轴刻度和参考线 ／２４１ ６．４．４ 多图叠放 ／２４３ 习题 ／２４４ 第７章 一元时间序列分析 ／２４６ ７．１ ｐｒｏｃａｒｉｍａ过程 ／２４６ ７．１．１ 单位根（平稳）检验 ／２４７ ７．１．２ 模型定阶 ／２５１ ７．１．３ 模型估计和诊断 ／２５６ ７．１．４ 预测 ／２６０ ７．２ ｐｒｏｃａｕｔｏｒｅｇ过程 ／２６３ ７．２．１ 时间序列回归模型 ／２６４ ７．２．２ ｐｒｏｃａｕｔｏｒｅｇ语法 ／２６５ ７．２．３ 单位根（平稳）检验 ／２６７ ７．２．４ 自回归模型设定和估计 ／２６９ ７．２．５ 时间序列回归模型估计 ／２７１ ７．２．６ ＡＲＣＨ检验和ＧＡＲＣＨ模型估计 ／２７３ ７．２．７ 变点检验和变结构检验 ／２７９ ７．２．８ 参数约束及检验 ／２８５ ７．２．９ 模型检测 ／２８７ ７．２．１０ 预测 ／２９１ 习题 ／２９３ 第８章 多元时间序列分析 ／２９５ ８．１ 平稳时间序列分析——向量自回归模型 ／２９５ ８．１．１ 向量自回归移动平均模型分析 ／２９６ ８．１．２ 脉冲响应和方差分解 ／３０２ ８．１．３ 格兰杰因果关系检验 ／３０４ ８．２ 非平稳时间序列分析——协整检验和误差修正模型 ／３０６ ８．２．１ 协整检验 ／３０６ ８．２．２ 误差修正模型估计 ／３１０ ８．３ 多元波动模型 ／３１５ ８．３．１ 多元波动模型 ／３１５ ８．３．２ 建立多元波动模型 ／３１７ ８．４ 参数约束 ／３１９ ８．４．１ 约束表达式 ／３２０ ８．４．２ 等式约束 ／３２１ ８．４．３ 不等式约束 ／３２１ ８．５ 参数约束检验 ／３２３ 习题 ／３２３ 第９章 线斯状态空间模型 ／３２６ ９．１ 引言 ／３２６ ９．１．１ 线斯状态空间模型 ／３２６ ９．１．２ 线斯状态空间模型的估计 ／３２９ ９．２ 建立状态空间模型 ／３３０ ９．２．１ 模型设定 ／３３４ ９．２．２ 模型估计 ／３４７ ９．２．３ 模型诊断 ／３４８ ９．２．４ 模型预测 ／３４８ ９．２．５ 保存结果 ／３５０ ９．３ 状态空间模型应用 ／３５２ ９．３．１ ＡＲＭＡ模型的状态空间模型估计 ／３５２ ９．３．２ 动态面板数据模型的状态空间模型估计 ／３５３ ９．３．３ 动态因子模型 ／３５９ 习题 ／３６３ 第１０章 矩阵编程语言IML ／３６５ １０．１ 矩阵创建 ／３６５ １０．１．１ 元素列示 ／３６５ １０．１．２ 矩阵生成函数 ／３６７ １０．２ 矩阵运算和操作 ／３７０ １０．２．１ 矩阵运算 ／３７０ １０．２．２ 矩阵下标和降维 ／３７４ １０．２．３ 矩阵函数 ／３７６ １０．３ ＳＡＳ数据集操作 ／３８６ １０．３．１ 将ＳＡＳ数据集读入ＩＭＬ ／３８７ １０．３．２ 编辑数据集 ／３８９ １０．３．３ 用矩阵创建数据集 ／３９１ １０．３．４ 数据集排序 ／３９２ １０．４ 编程语句 ／３９３ １０．４．１ 选择语句 ／３９３ １０．４．２ Ｄｏ Ｅｎｄ语句块 ／３９４ １０．４．３ 循环语句 ／３９４ １０．５ 函数定义和引用 ／３９６ １０．５．１ 定义函数 ／３９７ １０．５．２ 函数符号表 ／３９７ １０．５．３ 函数调用 ／３９９ １０．６ 数据整理 ／４０１ １０．６．１ 数据查询 ／４０１ １０．６．２ 移动窗口统计 ／４０２ １０．７ 非线优化 ／４０３ １０．７．１ 非线优化子程序格式 ／４０３ １０．７．２ 优化子程序自变量 ／４０４ １０．７．３ 参数约束设定 ／４０６ １０．７．４ 对数似然函数海塞矩阵计算 ／４１０ １０．８ Ｒ函数调用 ／４１１ １０．８．１ 软件设置 ／４１１ １０．８．２ Ｒ语句的封装和提交 ／４１２ １０．８．３ 数据转换 ／４１４ １０．８．４ 用Ｒ分析数据 ／４１６ １０．８．５ 用Ｒ画图 ／４２０ 习题 ／４２１ 参考文献 ／４２５

特色 1. 数据处理和数据分析并重。针对金融大数据结构复杂、数据源和格式变换大的特点，充分讲述SAS软件DATA步强大的数据处理功能，强化金融数据处理内容。 2. 将SAS数据分析能力强和R和Python灵巧和业界流行的特点相结合，建立融合SAS和R及Python的数据处理和分析教材构架，进行教学大纲、授课教案到教材、案例集和习题集等课程要件建设。 3. 以《金融计量经济学》为知识依托，以海通券金融工程部、天风券金融工程部、等著名券商量化金融策略为具体案例内容，以权益（）市场和债券（固定收益）市场为主要应用领域，以日数据（daily data）为主、高频日内数据（intraday data）为辅，建立从数据搜集到数据清理、从组合到交易策略和算法交易等金融量化方法的教学案例。 创新点 1. 教材。作为一款的数据处理和统计分析软件，多年来SAS在国内（尤其是银行系统）得到了广泛应用。已出版的教材多以操作和数据处理编程为主，针对金融数据处理和分析的书籍并不多见，尤其讲解金融数据分析的SAS过程步（Proc step）的教材难以见到。本教材拟对分析金融时间序列的SAS过程进行详细和全面的介绍，充分揭示SAS在处理和分析金融时间序列数据上的优势，教材。 2.SAS Viya平台介绍和R、Python的软件融合。SAS Viya 2016年推出以来，得到了很快的发展，出现了基于SAS Viya 云分析服务CAS的很多应用，国内一些金融机构也采用了SAS Viya构建自己的数据分析平台。但国内介绍SAS Viya的书很少，没有发现介绍利用SAS Viya中的ACTION进行金融数据分析的书籍。对SAS Viya的介绍以及利用SAS Viya中的Econometrics8.4 ACTION、Visal Statistical Analysis ACTION、Deep Learning ACTION等进行金融数据处理和分析的内容，是本教材的创新之处。