https://zbmath.org/atom/cc/91-04 2024-04-15T15:10:58.286558Z Werkzeug公司 https://zbmath.org/1530.91005 2024-04-15T15:10:58.286558Z “谢赫，克里斯托夫” https://zbmath.org/authors/？q=ai:scheuch.christoph “沃伊格特·斯特凡” https://zbmath.org/authors/？q=ai:voigt.stefan “韦斯，帕特里克” https://zbmath.org/authors/？q=ai:weiss.patrick 出版商描述：这本教科书展示了如何将金融和计量经济学的理论概念引入数据。以R编码和数据分析为重点，我们展示了如何从头开始进行实证金融研究。我们首先介绍整洁数据的概念和使用tidyverse系列R包的编码原则。提供代码是为了准备通用的开源和专有金融数据源（CRSP、Compustat、Mergent FISD、TRACE）并将其组织到数据库中。我们在所有后续章节中重复使用这些数据，并尽可能保持自包含。实证应用范围包括实证资产定价的关键概念（贝塔估计、投资组合分类、绩效分析、法玛-弗伦奇因子）建模和机器学习应用（固定效应估计、聚类标准误差、差分-微分估计、岭回归、拉索、弹性网、随机森林、神经网络）和投资组合优化技术。集锦\开始{itemize}\项目[1]关于金融中最重要的应用和方法的自带章节，可以很容易地用于读者的研究或作为经验金融课程的参考。\每一章都是可复制的，因为读者可以通过简单地复制和粘贴我们提供的代码来复制每一个图形、表格或数字。\项目[3]基于整洁原则的tidymodels对机器学习的全面介绍，展示了因子选择和期权定价如何从机器学习方法中受益。\第[4]条关于访问和管理财务数据的第2章显示了如何检索和准备最重要的数据集财务经济学：CRSP和Compustat。本章还详细解释了最相关的数据特征。\第[5]项每一章都提供了基于既定讲座和课程的练习，旨在帮助学生更深入地挖掘。这些练习可以用于自我学习，也可以作为练习教学的灵感来源。\结束{itemize}