《國際金融數(shù)量分析技術》精準地揭示了國家與地區(qū)間因經濟、政治、文化等因素相互聯(lián)系而引發(fā)的貨幣、資金和資本流動。它特別強調國際金融學領域中量化分析的復雜性，尤其是分析結果如何易受經濟周期、政治變遷以及各種政策制定和實施的影響。 本書依據當前最前沿的學術文獻，詳盡地涵蓋了流行的機器學習方法、結構動態(tài)因子模型、脈沖響應分析、自然語言處理等先進的量化工具。通過結合實際案例和真實數(shù)據，本書旨在實現(xiàn)結構的流暢性、內容的清晰度以及易于普通讀者理解。 本書不僅適合作為高等教育機構中經濟、金融和商科專業(yè)國際金融相關量化方法課程的教科書,也是自學者理想的參考資料。
邱 越 上海對外經貿大學金融學院副教授，碩士生導師。2017年于加拿大皇后大學獲得博士學位。主要研究方向為金融波動率預測、國際資本市場風險管理、機器學習方法等。主持參與多項國家自然科學基金項目。一系列論文發(fā)表在Journal of International Money and Finance，Journal of Financial Econometric,Journal of Empirical Finance 等期刊雜志。 謝 天 上海財經大學商學院常任教授，博士生導師。2013年于加拿大皇后大學獲得博士學位。主要研究方向為組合預測和模型平均、大數(shù)據分析、金融波動率預測等。主持多項國家自然科學基金項目。一系列論文發(fā)表在Management Science, Review of Economics and Statistics, Journal of Financial Econometric，Journal of Empirical Finance 等期刊雜志。
第一章 導論 1.1本書的研究對象 1.3章節(jié)設計 1.4內容概覽 1.5 本章結語 第二章 國際風險傳導與高維數(shù)據分析 2.1 引言 2.2 文獻回顧 2.3實證模型 2.4數(shù)據描述 2.5實證結果 2.6穩(wěn)健性分析 2.7本章結論 參考文獻 第三章 數(shù)字貨幣與機器學習算法 3.1 引言 3.2比特幣簡介 3.3比特幣數(shù)據與波動率預測模型-HAR 3.4機器學習算法在波動率預測中的應用 3.5社交媒體數(shù)據 3.6實證結果 3.7穩(wěn)健性檢驗 3.8本章結論 參考文獻 本章附錄H-MIDAS數(shù)據重采樣技術 第四章 傳統(tǒng)字符分析與國際直接投資預測 4.1引言 4.2 FOMC會議數(shù)據與文本清洗 4.3 詞嵌人與單詞圖 4.4 情感分析 4.5 實證分析 4.6 國別分析 4.7本章結論 參考文獻 本章附錄 第五章 自然語言識別與國際資本流動分析 5.1引言 5.2美國資本流動數(shù)據 5.3量化 FOMC文本數(shù)據 5.4數(shù)據描述 5.5實證檢驗 5.6 2008年金融危機前后對比 5.7對投資偏好的解釋 5.8 結論 參考文獻 附錄A 隨機森林與文本指標構建 附錄B 補充的實證檢驗 第六章 中文政策文本分析與國際資本流動 6.1 引言 6.2數(shù)據來源與處理 6.3 實證設計與檢驗 6.4 進一步檢驗 6.5 結論 參考文獻 附錄 MATLAB介紹與應用 A.MATLAB簡介 B.樣條與平滑 C.分類樹與回歸樹 D.Bootstrap與Bagging Tree* E.隨機森林與提升樹8 F.支持向量機與混合樹 參考文獻
書單推薦
