文本的平均列数python-CDA数据分析师

  • Post author:
  • Post category:python


CDA数据分析师

第一阶段:Excel数据分析

1.Excel数据处理技巧和高效方法 2.Excel数据收集、整合、规范化 3.Excel公式、函数、数组及数据分析

4.Excel可视化数据分析(排序、筛选、透视表等) 5.Excel图表化数据呈现 6.商业智能分析(Power BI)

第二阶段:数据分析理论基础

1.集中趋势、离散测度、均值、中位数、众数、方差、点估计、区间估计等相关的知识 2.假设检验 T检验、方差、相关性、列联分析 3.回归分析 4.主成分分析 5.时间序列

第三阶段:数据库管理

1.MySQL数据库基本操作;

2.MySQL数据类型和运算符、数据的CRUD操作; 3.MySQL用户管理; 4.MySQL数据备份与还原; 5.MySQL函数;

6.中型、大型数据清洗查询案例;

第四阶段:SPSS数据分析

(1)数据处理流程、数据的输入输出 (2)描述统计分析,常用的统计图形 (3)T检验、方差分析、与数据库连接 (4)相关、偏相关分析,线性回归 (5)Logistic、分类变量回归、ROC曲线 (6)缺失值的处理、主成分分析

(7)因子分析、K-means聚类,层次聚类 (8)神经网络、RFM模型、对应分析、联合分析 (9)时间序列、总结

第五阶段:数据挖掘算法

1.关联规则; 2.决策树; 3.贝叶斯; 4.SVM; 5.神经网络。

第六阶段:R语言

1.R基础编程

2.R中高级图表(Echart)与信息压缩 3.数据清洗 4.统计推断

5.客户价值预测_线性回归模型诊断 6.逻辑回归与决策树

7.KNN、朴素贝叶斯、svm、聚类与客户画像 8.汽车金融信用违约预测模型案例

第七阶段:案例分析实战

1.互联网广告中的大数据应用;

2.利用时间序列精准预估零售业的销量及营业额; 3.如何在保险行业中使用决策树并展示其成果;

4.如何在零售行业中应用Logistic回归和线性回归估计客户生命价值。

选修方向一:Python数据分析(13期上海)

1.Python编程基础; 2.Numpy数组和矢量计算; 3.Pandas基础&进阶; 4.Python爬虫初级; 5.python推荐系统实践;

6.案例分析。

选修方向二:SAS数据挖掘(12期深圳)

1.SAS Base基础编程; 2.SAS Base高级编程; 3.SAS统计分析; 4.SAS电商数据挖据; 5.SAS信用评级模型;

案例:如何利用客户分群实现保险行业中潜在客户的精准定位 案例:如何针对行业特性进行营销组合优化.

『视频』大数据分析周末班第10期

CDA2级大数据前沿知识介绍,免费观看

大数据基础知识 点击观看

第一阶段:大数据前沿知识及hadoop入门

1.大数据前沿知识介绍 2.课程介绍

3. Linux及unbuntu系统基础

4.hadoop的单机和伪分布模式的安装配置

第二阶段:Hadoop部署进阶

1.Hadoop集群模式搭建

2. Hadoop分布式文件系统HDFS深入剖析 3.使用hdfs提供的api进行hdfs文件操作 4. Mapreduce概念及思想

第三阶段:大数据导入与存储

1.mysql数据库基础知识 2.hive安装部署与案例 3.sqoop安装及使用

第四阶段:Hbase理论及实战

1. hbase简介 2.安装及配置

第五阶段:Spark配置及使用场景

1. spark简介、安装及配置 2.scala简介、安装及语法讲解

第六阶段:spark大数据分析原理

1.Spark内核:基本定义、Spark任务调度 2.Spark Streaming 实时流计算 3.Spark MLlib 机器学习 4.Spark SQL 实战

第七阶段:hadoop+Spark大数据分析

1.实战案例深入解析

2.hadoop+Spark的大数据分析之分类 3.Logistic回归与主题推荐

与南京大学、东南大学合作,颁发“CDA数据分析师”“高级、中级、初级”证书

丁亚军

南京上度咨询数据分析总监、经管之家论坛SAS、SPSS版版主,CDA数据分析研究院研究员和SAS、SPSS软件讲师。 研究方向为“统计软件与数据分析”、“市场调查分析”、“数据挖掘咨询”。

王小川

神经网络、数据挖掘、统计分析应用领域专家,国内最大的MATLAB论坛管理员,在硕士与博士期间,参与发表了SCI论文6篇,核心期刊论文5篇,获得同济大学奖学金,精通各类统计学软件,参与编写《MATLAB神经网络30案例分析》等书籍。

翟祥

CDA数据分析师讲师/北京林业大学管理学院统计系教授/人民大学统计学博士 具有深厚的数理统计与应用数据分析专业背景,SAS公司骨灰级讲师,具有八年数据分析、数据挖掘的从业经验,,独立或带团队完成零售、电信、金融等多个大型数据挖掘项目。

李奇

中国电子表格应用大会主席,曾在IBM中国担任销售管理团队数据分析项目组长及德勤北京所的数据分析高级咨询顾问。专精于企业数据分析、制定商业智能业务解决方案、软件开发及Excel培训等。

赵仁乾

北京邮电大学管理科学与工程硕士,现就职于北京电信规划设计院,从事移动、联通集团及各省分公司市场\业务\财务规划、经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、潜在价值客户挖掘等。

易向军

大数据及云计算领域创业者,dazui8.com创始人。在电信及互联网行业有多年从业经验,熟悉数据挖掘实际应用场景,具备丰富的一线实践经验。在运营分析、产品用户体验评测等方面有着深刻认识,致力于数据挖掘知识的宣传推广及相关技术的探索研发。

马伯

经管之家CDA数据分析研究院讲师,从事互联网、电子商务方向数据分析与数据挖掘的研究与CDA数据分析师的教学工作,研究方向为文本挖掘、电商推荐系统开发、潜在价值客户挖掘,互联网大数据挖掘等。

曾珂

管理科学工程硕士/CDA数据分析研究院讲师 从事数据分析与数据挖掘的研究与教学,研究方向为互联网、电子商务数据分析与挖掘,擅长基于客户关系管理的数据挖掘、数据可视化、文本挖掘。

量化分析课程

第一阶段:金融数据处理

1. 导入,检查,及操作财务数据 2. 单一资产收益之各种定义

3. 投资组合收益计算 4. 数据预处理

第二阶段:风险度量

1. 收益与风险权衡 2. 单一资产风险 3. 投资组合风险 4. 波动率估计与建模 5. 风险价值 6. 风险模型回测 6. 期望损失 7. 其他风险测度

8. 风险调整之投资组合绩效

第三阶段:资产定价模型

1. 套利定价模型 6. 期望损失 2. 模型系数估计 6. 期望损失 3. 模型检验

第四阶段:投资组合理论 第五阶段:因子模型 第六阶段:金融衍生品

1. 期权定价 2. 买卖权平价关系 3. 隐函波动率 4. 套期保值方法 5. 套期保值优化 6. 套期保值与交易成本 第七阶段:财报与基本面分析 1. 财报分析基础

2. Benjamin Graham 经典价值型投资法 3. 兼具价值与成长之GARP策略

第八阶段、量化交易策略

1. 技术分析介绍 1.1 K线图形态分析 1.2 均线系统 1.3 动量交易策略

1.4 相对强弱指标(RSI)与市场反转 1.5 随机指标KDJ与价格波动 2. 高频金融数据分析

3. 投资策略实战 3.1 通道策略

3.2 多指标组合投资策略 3.3 量价关系分析 3.4 配对交易策略 3.5 轮动投资策略 3.6 仓位控制

3.7 一个趋势存在�c否的判断策略 3.8 趋势追踪策略

3.9 利用均值回归在震荡中获取交易机会 蔡立�Z

美国伊利诺伊大学金融硕士/华盛顿大学经济学博士

亲身实践各种金融应用,主持研究团队与台湾知名大学与企业合作开展各种金融研究,例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。

CDA数据分析就业班第九期视频

EXCEL 数据分析入门工具

Excel数据收集、整合及高效处理技术和方法 Excel函数、数组与数据分析 Excel透视表和图表化数据呈现 Excel自动化工具宏与交互式界面设计 Excel高效分析数据利器VBA 案例

数理统计-数据分析根基

描述性统计 抽样估计 假设检验 方差分析 相关性 卡方分析 回归分析

主成分分析、因子分析 列联分析

数据库管理

Mysql基础知识以及表结构管理

数据库、表的建立以及简单的查询,数据的运算 高级查询、视图。

SPSS数据分析

数据处理流程图、数据的输入输出 描述统计分析,常用的统计图形 T检验、方差分析、与数据库连接 相关、偏相关分析,线性回归 Logistic、分类变量回归、ROC曲线 缺失值的处理、主成分分析

因子分析、K-means聚类,层次聚类 神经网络、RFM模型

RFM模型、对应分析、联合分析 时间序列、总结

案例:员工绩效分析、商品投诉分析、用户购买力分析、信用违约分析等

数据挖据实战案例

产品精细化运营、球员综合评价 用户体检测评、用户信用评分 淘宝电商数据分析

SAS编程

软件的介绍、认证的介绍、sas入门编程(PDV) SAS数据集操作、数据的读入导出 sas宏 proc sql

SAS电商数据分析

sas统计分析:统计描述、相关分析、回归分析、稳健logistics回归、poisson回归、主成分分析、对应分析、联合分析;

sas电商数据挖据:数据挖掘简介、访问数据库及文件、RFM、DM回归、神经网络、决策树、购物篮分析、聚类分析、组合模型。

知名外企咨询公司实际案例分析

(1)零售业中运用逻辑回归和线性回归估计客户生命价值 (2)Excel整理快消客户数据实现数据分析及BI数据报表 (3)Tableau实现行业的可视化 (4)搜索引擎营销 (5)在线数字分析案例赏析

(6)如何在零售业中实现决策树并展示其成果 (7)利用时间序列精准预估零售业销量及营业额

(8)如何利用客户分群实现保险业中的现在客户的精准定位 (9)营销组合优化

选修方向一:Python

Python基础编程 Pandas应用

Python推荐系统和案例实战 Python机器学习

选修方向二:R

R基础编程 R语言数据挖掘 R数据挖掘案例实战 R-Oracle

量化投资长期班

Module 1―Python数据处理与自动化交易 一,Python 编程

1,数据类型

1.1 数值类型,字符串,列表,元组,字典,集合 1.2 可变与不可变 2,基本语法 2.1 常用运算符 2.2 常用语句

2.3 函数的定义与调用 3,进阶技巧

3.1 切片,迭代,列表解析,生成器,迭代器 3.2 面向对象

3.2.1 类,封装,与继承 3.3 函数式编程 3.3.1 map/reduce 3.3.2 匿名函数 3.3.3 装饰器 3.3.4 偏函数

二,数据探索

1, Numpy:数组和向量计算 2, Pandas 与金融数据处理 2.1 数据清理,转换,合并,重塑 2.2 数据聚合与分组运算 3,Matplotlib 与数据可视化 4,时间序列数据

4.1 日期的采样,频率,移动,及算术运算 5,基于事件趋动的自动化交易系统实践

Module 2―宏观角度的投资―时间序列, 金融理论,因子模型,财报选股,�}位控制 一,数据特征分析

1,描述性统计 2,参数估计 3,假设检验 4,回归分析

二,金融学

1, 收益率 1.1 单期简单收益率

1.2 多期简单收益率 1.3 年化收益率

1.4 考虑股利分红的简单收益率 1.5 连续复利收益率 2,风险测度 2.1 方差 2.2 下行风险 2.3 风险价值 2.4 期望亏空 2.5 最大回撤

3,资本定价模型及评价 4, 投资组合理论 5,因子模型及评价

三,基本面选股

1,财报分析基础 2,公司估值

3,Benjamin Graham 经典价值型投资法 4, 兼具价值与成长之GARP策略 5, 积极成长策略

四,宏观择时 五,轮动策略 六,时间序列

1,自相关性 2,平稳性

3,白噪声 4,时间序列预测 5,GARCH 模型 6,卡曼滤波器 7,协整 8, 配对交易

七,仓位控制

1,凯利公式

2,网格交易动态调仓

Module 3-量化投资技术分析与金融数据挖掘 一,技术分析

1,常用技术分析基础 1.1 K线 1.2 RSI 1.3 均线系统 1.3.1 移动平均 1.3.2 MACD 1.4 通道 1.5 唐奇安通道 1.6 布林带通道 1.6.1 随机指标 1.6.2 量价关系 1.6.3 能量潮OBV指标 1.6.4 简易波动指标EMV

1.6.5 顺势指标CCI 1.6.6 人气指数 AR 2,趋势跟踪 2.1 动量

2.2 线性回归与趋势跟踪 2.3 胜率与趋势跟踪 2.4 海龟交易系统 3,技术指标择时, 4,多空策略 5,缠论

二,金融数据挖掘

1,神经网路 Neural Networks 2,随机森林 Random Forests 3,K最近邻 K-Nearest Neighbors 4,支持向量机Support Vector Machines 5,线性判别分析 Linear Discriminant Analysis 6,二次判别分析 Quadratic Discriminant Analysis 7,逻辑回归 Logistic Regression

【量化投资】思想、策略与R语言实战

第2天 金融时间序列, 基本面选股策略, 投资组合 金融时间序列分析

1. 认识金融时间序列

2. 时间序列的平稳性检验与白噪声探讨

3. 时间序列平滑处理 4. 金融时间序列建模预测 5. 时间序列波动的集聚效应

案例: 以上证综指为例,运用统计方法检验时间序列数据可预测性的前提条件。 案例: 运用ARIMA模型进行批量模拟建模,以预测股票未来的收益率。 案例: 使用GARCH模型预测波动率,并将其应用于VaR模型的风险管控。 量化选股策略

6. 基本面分析(FundamentalAnalysis)选股 6.1 短期偿债能力指标 6.2 营运能力指标

6.3 资本结构与长期偿债能力分析指标 6.4 盈利能力指标

7. Benjamin Graham价值选股 7.1 Graham选股公式三个标准 7.2 中国股市的检验 7.3 经典十项法则及详解

7.4 Graham选股策略的实现与市场表现 8. GARP 选股策略 9. CAPM超额Alpha选股 10. 三因子模型选股

投资组合配置

11. 马科维茨风险-收益模型原理 12. Black-Litterman模型

第3天 常用技术指标,投资表现衡量,高频数据分析 投资绩效表现分析

1. 收益分析 2. 风险分析

3. PerformanceAnalytics包的介绍与应用

技术指标、买卖点捕捉

4. K线图形态分析 5. 均线系统 6. 动量交易策略

7. 相对强弱指标(RSI)与市场反转 7.1 RSI 7.2 RSI

8. 随机指标KDJ与价格波动 9. 高频金融数据分析 9.1 非同步交易

9.2 交易数据的经验特征 9.3 价格变化模型 9.4 持续期模型

9.5 处理市场微观结构噪声

第4天 量化投资策略实战

1. 通道策略

2. 多指标组合投资策略 3. 量价关系分析 4. 配对交易策略 5. 轮动投资策略 6. 仓位控制

7. 一个趋势存在�c否的判�嗖呗� 8. 趋势追踪策略

9. 利用均值回归在震荡中获取交易机会 10. 追涨杀跌策略

11. 支持向量机与股票涨跌预测 12. 神经网络与股票涨跌预测

讲师介绍:

蔡立�Z(Terry Tsai),美国伊利诺伊大学金融硕士,华盛顿大学经济学硕士、博士,在

国内外如美国、韩国有丰富的授课经验。带领博、硕士生从事投资决策、金融衍生品、风险分析、交易策略等领域的研究。

生长于台湾,求学于美国,在台湾的信息与金融业担任高级顾问,不仅拥有扎实的金融理论基础,而且具备广阔的国际视野与前沿的研究理念!

主持多项金融大数据研究项目,涉及SAS、R、Matlab、Mathematica、Java 与C#、F# 等多种统计分析工具与编程语言。在数据处理、数据分析以及数据可视化等数据科学领域有丰富的经验和独到的见解。

亲身实践各种金融应用,主持研究团队与台湾知名大学与企业合作开展各种金融研究,例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。

课程特色:

1:现场教学,可现场和老师互动,解决当下的课程疑惑 2:课程内容丰富,囊括了许多量化投资的理论知识

3:课程内容新颖,应用前沿的学术理论 4:教学过程深入浅出, 以实例与实作印证所学

5:学员能快速掌握灵活R语言,能在现实中通过此工具解决量化投资等综合金融问题 6:可操作性强,将所介绍理论在实战中一一展示,即学即用,在实战中搭建课程的整体脉络

课程目标:

本课程旨在有限的三天时间内帮助学员高效实现:

1:深入理解量化投资的思想,建立起量化投资的理论直觉

2:熟练灵活使用R语言,能藉助R语言工具高效迅速构建量化投资策略

3:培养强烈的市场投资直觉,能通过构建量化投资策略敏锐捕捉市场盈利,赢取市场套利空间

Python量化投资现场班

Python量化投资现场班

Python量化基础班:Python语言基础与金融统计分析 Part1:Python语言学习与应用

1、 Python语言简介 2、 运算符与表达式 3、 Python控制流 4、 Python函数 5、 Python模块 6、 异常处理与文件操作 7、 Python绘图

8、 Numpy篇 9、 Pandas篇 10、 数据库连接

Part2 :金融统计分析概论

1、统计学理论 (1)统计学概论 (2)描述性统计 (3)参数估计 (4)假设检验 2、多变量相关性分析 3、线性回归模型

案例分析

案例一:大型股票数据库读取股票数据 案例二:A股市场股票数据绘图 案例三:交易数据描述性统计 案例四:非金融专业数据获取方法

Python量化实战班第一天 Part1:金融数据处理高级编程

Pandas深入分析 金融因子数据生成 常见的金融数据整理方式

Part2:量化投资概述

投资策略回顾与比较

基本面、技术分析和量化的联系与区别 量化投资概述

量化投资风险与管控

Part3:量化投资Python平台介绍

数据获取 回测框架介绍 回测注意问题

案例分析

案例一:市盈率手动计算 案例二:Panel数据的存储与提取 案例三:简单的均线穿越策略实现

Python量化实战班第二天 Part1:市场描述策略

描述性研究

Part2:高级交易策略

CTA策略 大师选股策略 市场中性选股策略 技术指标类策略 资产配置策略

Part3:时间序列模型

什么是时间序列数据

时间序列的平稳性检验与白噪声探讨 时间序列平滑

【SMA、WMA EWMA】 金融时间序列建模预测 【ARMA、ARIMA模型】

波动的集聚效应

案例分析

案例一:如何通过各种数据描述当前市场状态 案例二:CTA策略 案例三:经典大师选股策略 案例四:市场中性选股策略 案例五:技术指标类选股策略 案例六:资产配置策略 案例七:时间序列策略

Python量化实战班第三天 Part1:投资组合基本概念

超额Alpha选股 CAPM模型 三因子模型选股

Part2:投资组合构建

单因子测试 多因子测试

常见的组合构建方法

Part3:数据挖掘算法在量化投资中的运用

逻辑回归与涨跌预测 支持向量机模型与涨跌预测 聚类与股票配对

Part4 舆情分析与关注度模型

文本挖掘概述 文本处理技巧

中文分词

案例分析

案例一:单因子全套测试代码 案例二:组合构建案例 案例三:文本数据处理案例

www.jinduoduo.net 金多多CVA课程

学生管理

学生管理模块包含对学生的账号导入、批量注册、学生专业管理、学生班级管理、分组式教学管理等功能。

课程管理

课程管理模块包含新课程的开设、上课的时间安排、学科测评、成绩管理、学习日志管理、教学远程共享、资料共享、实验报告管理、提问答疑管理等

功能管理

功能管理模块包含对各类账号权限的分配、登录区域的设定、更新反馈等

财务报表分析课程

王跃武系湖南大学工商管理学院博士、副教授、硕士生导师。主要学术兼职有:湖南省农村研究院客座研究员、湖南省资兴市咨询专家、广东省新兴经济体研究会智库专家;《财经理论与实践》、《金融理论研究》、《湖南财政经济学院学报》、《中国科技论文在线》等学术期刊审稿人。

自2005年以来已在《财经理论与实践》、《审计与经济研究》等重要刊物上发表论文70多篇,其中核心及以上刊物发表30多篇。

主持并完成国家社会科学基金后期资助项目1项;主研并完成国家自然科学基金项目2项;主持并完成其他纵向与横向课题6项。出版学术专著《竞争力财务经济学――企业价值、资本与竞争力分析》与《人力资源会计应用性研究:理论、方法与尝试》,出版教材《管理会计学》与《财务报表分析》。

主要研究领域包括:理论经济学、财务与会计基础理论、竞争力财务、知识资本会计与财务、管理会计、财务分析等。主要讲授本科与研究生的《成本与管理会计》、《财务报表分析》、《财务管理》、《资产评估》等课程;指导学生获得IMA案例大赛2015年华中区亚军、2016年华南区二等奖。

“财务报表”是我们经济生活中常见的信息产品,是我们理解并判断一个企业经营得怎么样、管理效率如何、财务业绩优劣及其变化等重要内容不可或缺的“窗口”。显而易见,把这个很可能陌生的企业的财务报表读懂、读透,是我们提升各种与之相关的决策之质量、进而增进相关利益的信息基础:

第一章 概论

第一节 为什么需要财务报表分析 第二节 哪些人需要什么样的财务报表分析 第三节 财务报表分析的学习

第二章 财务报表信息及其解读

第一节 财务报表信息的构成及其解读次序 第二节 财务报表分析的基本方法体系 第三节 财务报表的快速解读 第四节 资产负债表的简要分析 第五节 利润表的简要分析 第六节 现金流量表的简要分析

第三章 企业偿债能力分析

第一节 企业短期偿债能力分析 第二节 企业长期偿债能力分析

第四章 企业营运能力分析

第一节 概述

第二节 企业营运能力的比率分析 第三节 营运能力与其他能力的关系

第五章 企业盈利能力分析 第六章 企业竞争能力分析

第一节 企业竞争能力的经济学分析 第二节 企业竞争能力的财务分析

第七章 企业发展能力分析

第一节 企业后续融资能力分析 第二节 企业物质基础发展能力分析 第三节 企业知识资本潜力分析

第八章 企业财务综合分析 第一节 沃尔评分法 第二节 杜邦财务分析体系 第三节 经济附加值评价法 第九章 财务报表分析的综合案例:Sany VS Zoomlion 第一节 阅读审计报告 第二节 阅读财务报告背景性附注 第三节 公司财务报表的整合 第四节 资产负债表及其项目分析 第五节 利润表及其项目分析 第六节 现金流量表及其项目分析 第七节 报表项目分析小结 第八节 三一重工与中联重科的偿债能力分析 第九节 三一重工与中联重科的营运能力分析 第十节 三一重工与中联重科盈利能力分析 第十一节 三一重工与中联重科的竞争能力分析 第十二节 三一重工与中联重科发展能力分析 第十三节 总结 统计视频课程系列 课程名称 计量经济学理论 Stata培训班 课程名称 计量经济学理论与应用―基础班 计量经济学理论与应用―高级班 Stata学术论文专题 Stata初级班 课程详情 课程详情课程详情课程详情课程详情Stata高级班 Panel Data专题 SAS初级班 SAS应用班 SAS建模班 SAS/IML视频课程 SAS BASE 认证培训 SAS ADVANCED认证培训 SAS数据处理与ORACLE数据库交互 SAS金融专题 SAS培训班 SAS数据挖掘专题 SPSS初级班SPSS高级班SPSS培训班 EViews培训班 课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情SPSS初中级课程―张文彤主讲EViews6.0时间序列分析 Matlab基础班 课程详情SPSS高级视频课程―张文彤主讲课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情课程详情基于Matlab的蒙特卡洛入门课程 Matlab数据库应用班 Matlab金融数量分析 Matlab培训班 matlab-exlink-excel R初级班 R高级班 R时间序列专题(初级班) R时间序列专题(中级班) R时间序列(Rolling专题) R培训班 Excel培训班 R时间序列(多元波动率专题) R时间序列(案例集_股指期货) Excel数据分析与决策 EXCEL函数应用班 AMOS论文攻略―张伟豪 AMOS基础班 结构方程-应用班 Lingo软件应用 Minitab培训 Gauss AMOS高级班 Lingo统计软件培训班 Minitab应用班 Gauss应用班 PPT初中级培训班PPT制作 认证培训 教学课件PPT制作案例班课程详情课程详情课程详情SAS BASE 认证培训 SAS ADVANCED认证培训

EViews6.0计量经济与时间序列分析班

第一讲 Eviews入门 1.Eviews工作界面介绍

2.Eviews工作文件及常用对象介绍 3.变量的建立,变量中数据的录入 4.删除变量或观察值 5.样本区间的调整 6.变量的排序

7.通过数学运算生成新的变量

8.工作文件的保存与EViews软件的退出 9.如何调用已保存过的工作文件 第二讲 Eviews图形对象介绍 1.关于单个变量的作图 2.关于多个变量的作图

第三讲 描述性统计分析

1.序列窗口下的描述性统计分析 2.序列组窗口下的描述性统计分析

第四讲 一元线性回归模型

1.做两个变量的散点图,从而看两个变量是否具有线性关系。 2.通过建立方程对象的方式来估计一个方程 3.对方程估计结果的解释与评价

4.在回归估计结果中显示方程的三种形式

5.如何根据我们估计的回归方程计算需求的价格弹性 6.如何查看因变量的实际值、拟合值和回归方程的残差 7.如何用我们建立的方程进行预测

第五讲 多元线性回归模型

1.做以因变量为横轴,多个自变量为纵轴的散点图,

2.建立组对象查看自变量的相关系数矩阵。

3.以建立方程对象的方式来建立多元线性回归模型。 4.对模型结果的解释和评价。

5.我们选取删除引起共线性的变量的办法来克服多重共线性。

6.对我们消除共线性后的模型进行检验,最后对模型进行解释和评价 第六讲 非线性回归模型 1.双对数模型。 2.半对数模型。 3.倒数模型。

第七讲 虚拟变量模型

1.虚拟变量的定义及意义。

2.如何通过加项的形式将虚拟变量引入到模型中去。 3.如何通过乘项的方式将虚拟变量引入到模型中去。 4.模型中加入季节虚拟变量。

第八讲 单个经济时间序列的趋势模型、季节调整、分解与平滑 1.趋势模型。

2.季节调整方法。 3.HP滤波和BP滤波 4.指数平滑方法

第九讲 离散因变量与受限因变量模型 1.二元选择模型 2.排序选择模型 3.计数模型

4.删截回归模型(censored regression model) 5.截尾回归模型(Truncated Regression Model) 第十讲 分布滞后模型

1.回归方程残差的序列相关性检验

2.回归方程残差的自回归模型(AR Error Model) 3.自回归模型

4.有限分布滞后模型 5.自回归分布滞后模型

第十一讲 时间序列ARIMA模型

1.如何通过观察时间序列的自相关图和偏自相关图来判断时间序列的平稳性。 2.检验序列是否可以通过差分的方式来实现平稳性。

3.通过观察自相关图和偏自相关图对平稳后的序列确定AR和MA和SAR的阶数。 4.对估计的模型进行检验,包括显著性检验和残差序列的相关性检验。 5.用我们建立的ARIMA或SARIMA模型进行预测。

第十二讲 单位根检验和基于残差的协整检验 1.时间序列数据的平稳性说明

2.时间序列平稳性的DF和ADF单位根检验 3.时间序列平稳性的DFGLS单位根检验 4.时间序列平稳性的PP单位根检验 5.时间序列平稳性的KPSS单位检验 6.时间序列平稳性的ERS单位根检验 7.时间序列平稳性的NP单位根检验 8.协整检验

9.建立误差修正模型

第十三讲 自回归条件异方差模型

1.通过日收盘价生成对数收益率变量 2.对数收益率序列的平稳性检验

3.均值方程的确定以及残差的序列相关检验 4.对残差平方的序列相关检验 5.对残差平方做线形图

6.对均值方程的残差做ARCH-LM检验

7.建立各种形式的ARCH模型并对新的残差序列进行ARCH―LM检验。 8.根据我们建立的ARCH模型对收益率序列的方差进行预测 第十四讲 联立方程计量经济学模型 1.联立方程模型的介绍

2.联立方程模型的概念以及分类 3.联立方程模型的识别 4.联立方程模型的估计

第十五讲 向量自回归模型

1.VAR模型的有关概念(非结构化的向量自回归模型) 2.有关SVAR模型的有关概念。 3.VAR模型的识别条件 4.SVAR模型的短期约束 5.格兰杰因果关系检验

6.VAR模型滞后阶数p的的确定。 7.脉冲响应函数。 8.方差分解

9.Johansen协整检验 10.向量误差修正模型

第十六讲 eviews矩阵计算 1.矩阵的建立

2.方阵的行列式.

3.矩阵的加法 4.矩阵的乘法

5.矩阵的秩(标量) 6.矩阵的迹(标量) 7.矩阵的转置 8.矩阵的逆

9.求矩阵各个列向量的相关系数 10.建立对称矩阵

11.对称矩阵的特征向量 12.矩阵的内积

13.用eviews解线性方程组

第十七讲 Eviews编程应用

1.如何把以前一年为基期计算的居民消费价格指数换算成以某一年为 基期计算的居民消费价格指数。

2.如何把名义变量(分类变量)转换成虚拟变量 第十八讲 面板数据模型

1.面板数据和面板数据模型的简单介绍 2.如何将面板数据导入到Eviews中? 3.面板数据模型的分类

4.固定影响(效应)变截距模型 5.随机影响(效应)变截距模型 6.Hausman检验

7.固定影响变系数模型 8.随机影响变系数模型 9.面板数据的单位根检验 10.面板数据的协整检验

第十九讲 方差膨胀因子 1.方差膨胀因子计算公式

2.通过建立辅助回归方程的形式来计算方差膨胀因子 3.以矩阵计算的方式来计算变量的方差膨胀因子 4.方差膨胀因子大小评价准则

第二十讲 分位数回归 1.分位数回归简单介绍 2.分位数回归的优势

3.分位数回归的操作步骤 4.分位数回归的结果分析

第二十一讲 极大似然估计 1.极大似然估计的原理介绍

2.多元线性回归的对数似然函数及其推导

3.用EViews软件实现多元线性回归的极大似然估计 4.GARCH(1,1)模型的对数似然函数

5.用EViews软件实现GARCH(1,1)模型极大似然估计

Stata基础班视频教程

讲师介绍:

连老师,经济学博士,2007年7月毕业于西安交通大学金禾经济研究中心,现为中山大学岭南学院金融系副教授。主讲课程为计量分析与STATA应用、实证金融、金融计量等。 目前已在《Global Finance Journal》、《Frontiers of Business in China》、《管理世界》、《金融研究》、《世界经济》、《统计研究》、《经济学(季刊)》、《国际金融研究》等期刊发表论文30余篇,出版专著一部《中国上市公司投资效率研究》。主持国家自然科学基金、教育部人文社科基金、高校基本业务费基金、广东自然科学基金项目各一项,并曾参与了多项国家自然科学基金和国家社会科学基金项目,具有丰富的数据处理、模型构建和模拟分析经验。目前已完成Panel VAR(1800余行)、Panel Threshold(1200余行)、Two-tier Stochastic Frontier(500余行)等复杂计量模型的STATA实现程序,并编写过几十个小程序,如xtbalance.ado、bdiff.ado、gqhet.ado等等。

培训目的:

1.使学员掌握Stata的基本操作方法和常用命令,掌握绘图和数据处理的基本方法,并能够编写一些简单的Stata程序,为进一步学习高级课程打下扎实的基础。

2.专题式的讲解使你能在短时间内掌握Stata的精髓,精选的实例和翔实的配套资料能让你在课后快速拓展所学。

课程特色

STATA初级视频教程非常注重培养学员的实证分析能力。我们一方面在尽可能呈现STATA全貌的同时做到重点突出、结构清晰,另一方面则强调实际问题的解决能力。例如,传统教科书中很少会涉及数据的合并、离群值的处理、面板资料的筛选等问题,而这些往往又是实证分析过程中至关重要的环节。又如,在整理回归结果的过程中,多数学员主要通过“复制-粘贴”的方式,效率甚低。通过本课程的学习,这些问题都能得到很好的解决。本课程的主要特色包括:

(1) 以专题的方式讲解,并辅以大量的实例,有助于学员快速掌握STATA数据处理、编程、绘图等方面的基本技巧,举一反三。

(2) 翔实的课程配套资料。本课程除提供视频教程外,还同时提供了大量的范例数据和外部命令、PDF版do文档,以及具有“时间节点”的视频目录,便于学员课后练习和快速查找自己感兴趣的内容。详见“配套资料”

培训内容目录:[点击观看]

STATA初级视频教程(2010版)共5个专题,包含36个视频文件,总计40余个学时。内容涉及:STATA入门、数据处理、绘图、矩阵以及编程。内容简介如下(详细目录见附录A): 第1讲从整体上介绍了STATA的基本架构,以便使学员在最短的时间内掌握STATA的精髓,包括:数据的导入导出、执行命令、修改和查验资料、log文件和do文件的使用、STATA与Word(Excel、LaTeX)等软件的完美结合,以及STATA常用设定等内容。

第2讲通过大量的实例,介绍了各种数据处理技巧,是本课程最为核心、最有特色的

内容。主要包括:复杂变量的创建;分位数;重复样本值、缺漏值和离群值的处理;资料的合并、追加和重新组合;文字变量、类别变量的处理;时间序列和面板资料的处理;以及数据的查验和对比等内容。这些内容的学习将大幅提高学员的数据处理能力。

第3讲介绍STATA绘图。为了达到举一反三的效果,我先从整体上介绍STATA绘图的基本知识,进而将绘图命令拆解成8类选项和5类元素,并最终通过40余个实例全面介绍了15类常用图形的绘制方法。

第4讲介绍STATA矩阵操作,包括矩阵的定义和管理、矩阵运算、矩阵解析等四个主题,为后续学习STATA编程知识奠定了扎实的基础。

第5讲介绍STATA编程的基本知识,包括:程序的定义和调用、单值、暂时性物件(暂元、暂时性变量、暂时性文件、暂时性矩阵等)、循环语句、条件语句,以及STATA返回值的引用等内容。通过本讲的学习,学员将能够通过独立编写STATA程序来提高数据处理和模型估计的效率,为后续学习STATA高级程序奠定基础。

以上各讲都以专题的形式进行讲解,其中不但包含了STATA官方提供的常用命令,还包含了大量外部命令(520多个),为学员提供了强有力的实证分析工具。

SPSS数据统计分析师认证培训

第一讲:SPSS基本操作入门 1. 软件概述 2. 界面入门 3. 基本操作入门

4. 系统选项与中文设置

第二讲:数据录入与文件管理操作入门 1. CCSS项目介绍

2. CCSS项目的问卷录入(含多选题的录入与设定) 3. 数据录入技巧 4. 文件管理操作 第三讲:SPSS编程入门 1. 基本语法规则介绍 2. 宏程序

3. OMS系统 第四讲:数据管理1 1. Compute过程 2. Recode过程

3. 转换菜单中的其他过程

4. 排序、拆分、筛选与加权过程 第五讲:数据管理2 1. 数据汇总

2. 数据的重组与转置 3. 多个数据文件的合并

4. 重复个案与异常个案的查找 5. 数据字典相关功能 6. 数据验证模块 第六讲:实战案例分析1

1. CCSS项目中数据异常值的自动核查与报告 2. CCSS项目数据的自动计算与处理 第七讲:分类变量的统计描述 1. 统计描述分析模块介绍

2. 单变量的描述指标与软件实现 3. 多变量的交叉描述指标与软件实现 4. 多选题的描述指标与软件实现 第八讲:连续变量的统计描述

1. 连续变量的统计描述指标体系 2. 频数过程 3. 描述过程 4. 探索过程 第九讲:统计表

1. 表格的基本框架与类型

2. 题目A3的分析报告表格制作案例 3. 多选题A3a的分析报告表格制作案例 第十讲:统计图

1. 统计图的基本操作概述 2. 统计图的分类 3. 直方图与茎叶图 4. 箱图 5. 饼图

6. 条图与误差图

7. 线图、面积图、点图与垂线图 8. 散点图

9. PP图与QQ图10. 其他统计图形 第

十一讲:实战案例2

1. 探索消费者信心指数随背景资料的变化规律 2. CCSS项目分析报告的自动化生产

第十二讲:t检验

1. 假设检验的基本原理 2. 单样本t检验 3. Bootstrap方法

4. 完全随机两样本的t检验 5. 配对t检验

第十三讲:单因素方差分析

1. 方差分析模型的基本架构

2. 分析实例的GLM过程实现(含两两比较方法的选择) 3. 分析实例的ANOVA过程实现 第十四讲:卡方检验

1. 卡方检验的基本原理

2. 成组卡方分析实例(含卡方的校正与确切概率法) 3. 一致性检验与配对卡方检验 4. 分层卡方检验 第十五讲:相关分析

1. 相关分析的指标体系 2. Pearson相关与秩相关 3. 偏相关分析 第十六讲:简单回归分析

1. 相关与回归的联系与区别 2. 回归分析模型的基本结构

3. 分析实例(含残差分析等) 4. 回归分析建模的标准流程第 十七讲:如何正确选用常用统计分析方法 第十八讲:实战案例3

1. 咖啡屋需求调查案例

2. 牙膏新品购买倾向研究案例

丁亚军、 数据分析总监,任职于南京上度市场咨询有限公司,人大经济论坛SAS、SPSS统计学讲师,中国学习路径图国际中心技术顾问。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目,具有丰富的数据处理经验

常国珍、会计学博士、社会学硕士,毕业于北京大学人口所,目前就读于北大光华管理学院,SAS公司

数据挖掘与统计分析课程讲师。曾就职于方正国际金融事业部和长江商学院投资者研究中心。主持过商业银 行数据挖掘平台建设、商业银行信用评分模型的构建与固化等商业项目。参与构建的股票量化投资模型被某

大型基金公司采纳,并于2013年九月正式发行。

金融数量分析―基于Matlab编程

目前Matlab软件已成为主流的商业数学软件之一,具有强大的数据计算和可视化功能,并且提供了大量现成的函数,广泛地用于数据分析、算法开发等各个方面。近年来Matlab功能不断完善,在各个领域中都显示出了其优势。与其他编程语言相比,利用Matlab语言开发程序操作方便,而且编程效率和计算效率也比较高。

据统计,很多Matlab用户都没有很强的数学或者计算机背景,对于这部分人群最大的需求就是如何能快速学会并掌握Matlab的操作及应用。Matlab培训班正是基于这种现状,从最简单、最实用的操作讲起,全面而详细地介绍了Matlab软件操作及应用各方面的基础知识,从而帮助学员学会并掌握各种Matlab软件的操作技能。

讲师介绍 郑志勇

集思录副总裁、合晶睿智创始人,先后就职于中国银河证券、银华基金、方正富邦基金,从事金融产品研究与设计工作。专注于产品设计、量化投资、Matlab相关领域的研究。尤其对于各种结构化产品、分级基金产品有着深入的研究,同时也编著了多本教材,包括:《运筹学与最优化MATLAB编程》, 《金融数量分析:基于MATLAB编程》等图书。国内Matlab金融领域的权威人士。 王洪武

博士、副教授,天津大学管理科学与工程专业博士,主要研究方向为金融物理学、量化投资,已发表SCI检索论文多篇,并担任Physica A: Statistical Mechanics and its Applications、Nonlinear Dynamics、Applied Mathematical Modelling、Applied Mathematics and Computation、Economic Modelling、Annals of Operations Research等多个国际期刊的匿名审稿人,具有10多年的Maltab编程经验。王洪武博士同时还是北京量化投资学会专家,多家私募机构特聘顾问,在量化投资上具有很深的理解和成功的实践。 卓金武

量化投资学会专家组成员,MathWorks中国量化投资总监,主要为中国的金融客户提供基于MATLAB的量化投资、风险管理、金融数据分析等方向的解决方案。曾2次获全国大学生数学建模竞赛一等奖 (2003, 2004),1次获全国研究生数学建模竞赛一等奖 (2007);专著三部《:MATLAB在数学建模中的应用》(第一版和第二版),《量化投资:数据挖掘技术与实践(MATLAB版)》,《大数据挖掘:系统方法与实例分析》。

课程目的

使学员掌握使用Matlab进行金融数量分析相关编程技能。资深Matlab讲师使你能在较短的时间学会和加深世界上最优秀数值计算软件的使用,增强你学习和研究的能力。具体如下:

(1)了解业界金融数量分析工作内容; (2)如何获取基础数据并进行数据清洗; (3)如何进行逻辑分析并建立模型;

(4)如何将模型转化为Matlab程序并提高计算效率; (5)如何通过图标方式展示数据;

(6)如何实现整个数量分析工作的自动化。

课程特色

● 资深专家深入讲解Matlab相关操作技能 ● 从浅入深、从理论到策略全面解析 ● 专家学员互动、答疑解惑、分享经验 ● 专家推荐经典分析工具和学习书籍

● 结识行业精英,加入量化投资同业圈,尽享后期增值服务。

课程设计

本课程根据功能模块划分,主要内容包括:Matlab入门及金融应用案例、Matlab基础及相关金融应用、Matlab在量化投资领域的应用,是综合性较强,并与实际结合紧密的课程。在每个知识点中都有具体的实例做演示和练习,可以让学员真正掌握每个功能的特点和具体应用。

课程大纲

模块一:Matlab基础及相关金融应用 主讲嘉宾:王洪武

课程一:Matlab基础知识

? ? ? ? ?

Matlab简介

Matlab常用基本功能 Matlab数据类型及转化 Matlab语法结构

Matlab常用矩阵运算和函数

课程二:数据的获取

? ? ? ? ?

基于通达信行情软件 基于Yahoo财经数据接口 基于Sina财经数据接口 基于万德数据接口 从网页中抓取

?

其他数据接口

课程三:数据的预处理

? ? ?

数据的规范化

多标的交易日期的统一 数据的描述性统计

课程四:数据的可视化

? ? ? ?

金融时间序列的可视化 统计图的可视化 K线图的可视化 回归的可视化

课程五:多标的相关性分析

? ? ?

相关系数矩阵的计算和可视化 相关网络图 相关性聚类

深度互动:投资理念、实战经验教训、实战问题讨论 互动主持:部分授课嘉宾 备注:自由参加

模块二:Matlab入门及金融应用案例 主讲嘉宾:郑志勇

课程六:编程在金融领域的经验

? ? ?

编程锻炼逻辑化思维 学习编程的经验技巧 如何提高程序质量与效率

课程七:金融产品现金流分析

? ?

按揭贷款现金流分析 商业养老保险现金流分析

课程八:期权定价与模拟

? ? ?

欧式期权、带敲出式期权定价 (股指、黄金)挂钩型产品分析 挂钩产品设计与运作

课程九:指数编制与策略模拟

? ? ? ?

资产组合结构构造 恒定组合指数编制 CPPI与TIPP策略模拟 分级产品模拟与测试

深度互动:投资理念、实战经验教训、实战问题讨论 互动主持:部分授课嘉宾 备注:自由参加

模块三:Matlab在量化投资领域的应用 主讲嘉宾:卓金武

课程十:MATLAB量化投资快速入门

? ?

策略建模 策略实现

课程十一:金融数据的分析

? ? ? ?

常用指标的计算 布林曲线的绘制 金融数据相关性分析 指标的筛选

课程十二:多因子策略及MATLAB实现

? ? ? ? ?

因子的设计 因子的选择

简单多因子策略的实现 逐步回归多因子模型的实现

基于多因子策略的MATLAB量化交易系统的实现

课程十三:信号交易策略及MATLAB实现

? ? ? ?

单信号交易策略的挖掘 策略的回测 高频交易的优化

多信号交易策略的优化

课程十四:机器学习策略及MATLAB实现

? ? ?

机器学习量化投资架构 数据的预处理 指标的计算

? ? ? ?

样本选择 SVM算法 神经网络算法 策略的综合应用

课程十五:MATLAB风险管理技术

? ? ? ?

MATLAB金融风险评估方法 基础的风险管理模型 高级风险管理模型 收益与风险的权衡

高级计量经济学及Stata

陈强老师2017年唯一一次现场班涉及“空间计量”内容

?

陈强,分别于1992年与1995年获得北京大学经济学学士与硕士学位,2007年获美国Northern Illinois University数学硕士与经济学博士学位,现任山东大学经济学院教授,泰岳经济研究中心副主任(主持工作)。 主要研究领域为计量经济学、经济史。已独立发表论文于Oxford Economic Papers (lead article),Economica,Journal of Comparative Economics,《经济学(季刊)》、《世界经济》等国内外期刊。

独立编著的经典教材《高级计量经济学及Stata应用》第二版于2014年

由高教出版社出版。2010年入选教育部新世纪优秀人才支持计划。

? ? ? ? ? ? ?

(微信公众号: econometrics-stata)

目标学员:

经济及社科类青年教师、博士生、硕士生、高年级本科生。

培训目的:

掌握高级计量经济学的核心方法及Stata操作,不再茫然,知其然而知其所以然,迅速成为处理数据及定量分析的高手。

?

? ?

课程特色:

直观地解释高级计量经济学方法,通过案例学习相应的Stata操作,深入浅出地介绍实证分析与论文写作的精髓。

? ? ? ? ? ?

课程配套资料:

课程PPT、数据集及相关论文。

课程简介:

自从2010年我的研究生教材《高级计量经济学及Stata》出版以来,受到了广大读者的热烈欢迎。天南海北的读者来信,既有名牌大学的青年教师,也有普通院校的硕博、甚至本科生,在庆幸有此集理论与操作一体、便于自学的计量教材之余,也十分渴望有面授的机会,能够迅速掌握高级计量与Stata的真谛、游刃有余地进行实证分析。为此,人大经济论坛的

同仁力邀我于2013年10月在北京首次开设高级计量及Stata现场班。在四天的现场班期间,学员们上课无不聚精会神,课下则积极提问。看到大家豁然开悟的表情,透着如获至宝的喜悦,四天密集教学的辛劳早已如浮云飘散。

?

本次高级计量经济学及Stata现场班,将根据首次现场班的反馈进一步完善。在课程内容的设计上,主要指导思想是在最快时间内,将高级计量及Stata的精髓及核心内容,以最通俗生动的语言以及大量的案例交给学员,并注重在各领域的常见应用,诸如面板数据、时间序列、工具变量法以及微观计量,乃至论文写作的各个环节技巧。由于学员的基础不同,本课程仅对学员背景做最低要求,即假设学员知道概率统计及少量线性代数,但不要求学过计量经济学或Stata操作。因为“大道至简至易”,初级计量与高级计量的本质是一样的,学子们最需要的是能够直指人心地洞明计量原理与操作工具,然后得心应手地用于实战(而非完成习作)。

? ? ? ?

课程大纲:

第一讲,OLS及其标准误。

着重介绍小样本与大样本OLS,以及相应的普通标准误、异方差稳健标准误、异方差自相关稳健标准误、聚类稳健标准误。深切理解OLS的原理与适用条件,是一切计量原理的基础。

? ? ?

第二讲,Stata快速入门。

及时地介绍Stata知识,以OLS在Stata的实现作为入门,体会Stata的简单与强大。

? ? ?

第三讲,工具变量法。

由于双向因果、遗漏变量、度量误差的普遍存在,内生性是实证研究的常见难题,而工具变量法是解决内生性的利器,包括2SLS与GMM等。

? ? ?

第四讲,二值选择模型。

被解释变量为虚拟变量的二值选择模型有着广泛的应用。包括Probit,Logit,MLE与QMLE,以及包含内生变量的ivprobit等。

? ? ?

第五讲,静态面板。

面板数据由于能控制个体异质性(heterogeneity),缓解遗漏变量偏差,在实践中越来越重要。静态面板是最常见的面板,包括固定效应、随机效应、时间效应、双向固定效应等。

? ? ?

第六讲,动态面板。

经济现象常具有某种惯性或部分调整,即被解释变量的滞后值出现在方程右边。动态面板也因为可自带工具变量而应用广泛。包括差分GMM、水平GMM与系统GMM等。

? ?

第七讲,随机实验、自然实验与双重差分法(Difference-in-Differences)。

?

实验方法因其可信度而日益兴起,包括随机实验、第一类与第二类自然实验。双重差分法利用面板数据的优势,可克服部分内生性,是研究政策或

项目处理效应(treatment effects)的主要工具。包括双重差分法、平行趋势假设、三重差分法等。

? ? ?

第八讲,倾向得分匹配(PropensityScore Matching)。

基于反事实的框架,根据个体进入处理组的概率(即倾向得分)寻找最佳替身进行匹配估计,这是研究处理效应的一种深邃思想与方法。包括倾向得分匹配、双重差分倾向得分匹配等。

? ? ?

第九讲,合成控制法(SyntheticControl Method)。

在评价某处理地区的政策效应时,将控制地区进行最优的线性组合,以构造合成控制地区进行对比,这是估计处理效应的新兴强大方法。包括合成控制法的统计推断与稳健性检验等。

? ?

第十讲,非参数与半参数估计(Nonparametric and Semiparametric Estimations)。

?

非参与半参方法由于其稳健性而日益进入标准的计量工具箱,包括核密度估计、非参数回归与半参数回归等。

? ?

第十一讲,断点回归(RegressionDiscontinuity Design)与拐点回归(Regression Kink Design)。

?

由于在断点附近存在局部随机分组,故断点回归的效力接近于随机实验,日益为研究者所青睐。包括精确断点回归、模糊断点回归、空间断点回归等。

?

? ?

第十二讲,空间计量经济学(SpatialEconometrics)。

传统计量经济学通常忽略横截面单位的空间分布与相互影响,而空间计量经济学则是考察空间效应、溢出效应等的重要工具。包括空间权重矩阵、空间自回归、空间误差模型与空间面板等。

? ? ?

独家秘笈分享

科研基金如何申请成功

金融业的SAS实际运用特训

讲师介绍:

Gino老师,2001年开始使用SAS进行金融产品开发和金融数据分析,曾经在某一世界500强金融企业负责产品分析和数据建模工作,使用SAS完成了很多产品开发及其数据分析的项目。

他开发的产品通过数据分析和建模体现创新性,曾领跑国内同类产品销售收入业绩多年,其利用SAS工具和金融建模思想较大程度地推进了业务的发展。 覃老师对SAS的培训有丰富的实战经验,讲授SAS课程多年,理论和实践相结合,培训学员无数,能够帮助即使是零基础的学员在短时间内掌握和使用好SAS,深刻理解金融和方法工具实现,并能学以致用,每次都受到学员高度好评。

课程目标:

不仅仅是搭建数据挖掘平台,更重要是让培训对象在理解数据所包含的业务含义的基础上进行分析工作。通过这种方法使帮助学员切实的解决了很多工作中的实际问题,提升了从数据角度去思考的能力。

课程特色:

1. 注重SAS的基础操作和数据的特征相结合,注重数据分析的理论和业务的实际理解相结合,帮助学员在短时间内掌握金融业数据分析业务最核心的解决方案和思路;

2. 使用工作中实际遇到的问题作为案例分析讲解,让学员在工作中对数据分析很快上手,提升业务的数据分析实际能力。

课程适用人群:

1.零基础学员,想涉足金融数据分析领域者;

2.在公司从事数据分析工作者,想系统地进行学习或者提高数据分析的高度和技能。

课程大纲:

一, 金融的SAS基础(上)

课程目标:掌握SAS的数据整理、变量和观测值的汇总等关键语句

1. 利用数据步进行数据获取整理:结合实例分析(含set, by, merge, put, infile, keep, retain, array等等重要语句)

2. 利用过程步进行数据汇总整理:结合案例分析(含print, means, SQL, report, datasets, sort等等重要语句)

3. 案例:全面覆盖SAS 常见的数据整理经典案例

二, 金融的SAS基础(下)

课程目标:掌握SAS的函数、编程和宏变量等关键语句

1. 利用循环与控制进行数据分析:结合实例分析(含if-then, select, do, go to, continue, leave等等重要编程语句)

2. 利用函数功能:结合案例分析(含各种重要函数) 3. SAS的宏变量(宏参数、宏函数、宏语句和宏的应用) 4. 案例:

a. 多个SAS金融常见的小案例分析; b. 信用卡还款计算; c. 客户交易的数据分析。

三, SAS金融的线性模型经典应用案例分析 1. 金融线性模型的SAS分析 2. 案例:

a. 中国股票市场的CAPM模型的检验(投资业绩评价、α系数、β系数); b. 中国股市的三因素模型分析(Fama、French); c. 基金经理业绩的量化比较分析; d. 银行理财产品收益的预期比较分析。

四, SAS金融时间序列应用分析

1. 金融时间序列的基本概念和理论基础(含平稳和单位根检验、ARIMA模型、协整、误差修正模型、格兰杰检验等重要金融时间序列内容) 2. SAS金融的时期和时间的处理 3. 案例:

a. 从白噪声时间序列到ARMA序列的随机模拟; b. 单位根检验指数实例;

c. ARIMA模型建模实例及其预测; d. 指数的协整检验实例; e. ECM模型的参数估计实例; f. Granger检验。

五, SAS收益计算、收益波动率计算和最优投资组合

1. 股票收益的SAS计算(含单个股票、多股票和投资组合收益计算)

2. 固定收益证券的SAS计算(含内生收益、到期收益、债券久期和凸度的计算等)

3. 收益波动率SAS计算的各种情形 4. 线性规划和非线性规划的最优投资组合

5. 案例:多个SAS金融收益和波动率计算的案例分析、最优投资组合经典情形分析