【金融实务学习】金融时间序列分析实务学习资料

|- 第11周、大道至简——多元时间序列分析的简化与降维 主成分分析与因子模型 -

|- 第10周、进军多维世界——多元时间序列分析 介绍简单的多元模型和协整的相关知识 -

|- 学习资料.rar - 39.00 MB

|- 第2周、金融时间序列的基本性质 均值、方差、自相关性、平稳性、随机性
|- 第1周、金融数据分析和量化投资、时间序列、统计学的基本概念

|- 第3周、人生就像心电图有高有低——平稳时间序列模型 AR、MA及ARMA模型简介

|- 第2周、金融时间序列的基本性质 均值、方差、自相关性、平稳性、随机性

|- 第1周、金融数据分析和量化投资、时间序列、统计学的基本概念

|- 第13周、时间序列的最新发展——马尔可夫链特卡罗方法

|- 第11周、大道至简——多元时间序列分析的简化与降维 主成分分析与因子模型 -

|- 第10周、进军多维世界——多元时间序列分析 介绍简单的多元模型和协整的相关知识 -

|- 学习资料.rar - 39.00 MB

|- 第2周、金融时间序列的基本性质 均值、方差、自相关性、平稳性、随机性

|- 第1周、金融数据分析和量化投资、时间序列、统计学的基本概念

|- 第13周、时间序列的最新发展——马尔可夫链特卡罗方法 -

|- 第12周、静止是相对的，运动是绝对的——动态数据的状态空间模型和Kalman滤波的简介

|- 第11周、大道至简——多元时间序列分析的简化与降维 主成分分析与因子模型 -

|- 第10周、进军多维世界——多元时间序列分析 介绍简单的多元模型和协整的相关知识 -

|- 学习资料.rar - 39.00 MB

|- 第6周、并非所有事情都会一帆风顺——非平稳时间序列分析 通过差分平稳化构建的ARIMA模型

|- 第5周、不同季节人们的消费习惯也不一样——季节模型 针对具有一定循环或周期性的数据

|- 第4周、房价具有上涨趋势，只涨不跌——确定趋势建模 通过传统回归方法估计非常数均值趋势模型的参数 -

|- 第3周、人生就像心电图有高有低——平稳时间序列模型 AR、MA及ARMA模型简介

|- 第2周、金融时间序列的基本性质 均值、方差、自相关性、平稳性、随机性

|- 第7周、实践是检验真理的唯一标准——应用实例与模型比较 通过实际的金融数据分析实例来熟悉各个，并比较各个模型的优劣 -

|- 第6周、并非所有事情都会一帆风顺——非平稳时间序列分析 通过差分平稳化构建的ARIMA模型

|- 第5周、不同季节人们的消费习惯也不一样——季节模型 针对具有一定循环或周期性的数据

|- 第9周、非线性是常态——金融时间序列的非线性模型及其应用 介绍非线性模型的检验与各种非线性时间序列的数学模型及其在金融中的应用 -

|- 第8周、资产收益波动率并非是一个常数——条件异方差模型及应用 讨论用来描述资产收益率的波动率随时间而改变的各种经济计量模型 -

|- 第7周、实践是检验真理的唯一标准——应用实例与模型比较 通过实际的金融数据分析实例来熟悉各个，并比较各个模型的优劣 -

|- 第6周、并非所有事情都会一帆风顺——非平稳时间序列分析 通过差分平稳化构建的ARIMA模型

|- 第6周、并非所有事情都会一帆风顺——非平稳时间序列分析 通过差分平稳化构建的ARIMA模型

|- 第5周、不同季节人们的消费习惯也不一样——季节模型 针对具有一定循环或周期性的数据

|- 第4周、房价具有上涨趋势，只涨不跌——确定趋势建模 通过传统回归方法估计非常数均值趋势模型的参数 -

|- 第3周、人生就像心电图有高有低——平稳时间序列模型 AR、MA及ARMA模型简介