作者简介
沈根祥,上海财经大学经济学院教授,55岁,2003年金融上海财经大学经济学院从事教学和科研。教授课程主要包括:计量经济学、金融计量经济学、SAS系统与数据分析等。学术研究领域主要是金融计量经济学和金融市场数量分析,编著出版教材2部,翻译著作和教材3部。在国家1级B期刊发表学术论文十余篇。
目录
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 变量属性 /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其他终端 /133 4.3 数组及其应用 /136 4.3.1 数组的定义 /137 4.3.2 数组属性 /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、领先和差分 /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 其他变换 /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(平稳性)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(平稳性)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 线性高斯状态空间模型 /326 9.1 引言 /326 9.1.1 线性高斯状态空间模型 /326 9.1.2 线性高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 非线性优化 /403 10.7.1 非线性优化子程序格式 /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
内容摘要
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,以海通证券金融工程部、天风证券金融工程部、等有名券商量化金融策略为具体案例内容,以权益(股票)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、从投资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. 填补国内教材空白。作为一款权威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,填补国内教材空白。
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。
精彩内容
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,以海通证券金融工程部、天风证券金融工程部、等有名券商量化金融策略为具体案例内容,以权益(股票)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、从投资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. 填补国内教材空白。作为一款权威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,填补国内教材空白。 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。
以下为对购买帮助不大的评价