首页 / R 代码

R 代码

这里汇集书中的 158 个 R 示例,按章节整理。可从各章“正文演示”开始,按照运行说明动手练习,也可查看具体小节的代码。配套数据和使用说明见 GitHub 仓库。

GitHub 代码仓库二维码

GitHub 代码仓库

书中 R 示例与公开数据按章整理,附有运行说明。可从各章演示程序开始,也可对照正文逐段学习。点击或扫描二维码即可打开仓库。

github.com/Jiajing-Sun/financial-econometrics-r

打开仓库

快速运行

请先安装 R 4.1 或更高版本。在终端执行以下命令,下载仓库并运行示例:

git clone https://github.com/Jiajing-Sun/financial-econometrics-r.git
cd financial-econometrics-r
Rscript CH03/run.R                      # 运行单章
Rscript run_all.R --chapters=1,3,7      # 运行多章
第 1 章 · 77 个 R 示例

R 语言概述

从 R 的基本语法、数据结构和函数入手,练习数据导入、缺失值处理与可视化,为后续的金融实证分析打基础。

先运行什么:用循环和函数近似自然常数 e,并绘制 R 内置 mtcars 数据的基础图形。

数据说明:演示使用 R 内置数据;WDI、FRED 等在线数据接口收在正文代码片段中。

第 1 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 77 个 R 示例 包含正文演示与各节代码
第 2 章 · 3 个 R 示例

引言和背景

认识金融市场中的常见资产和交易安排,学习简单收益率、对数收益率与组合收益率,并借助赌局理解风险偏好。

先运行什么:按照正文的圣彼得堡赌局奖金约定,计算截断期望与对数效用。

数据说明:演示是给定规则下的确定性计算,不使用证券行情。

第 2 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 3 个 R 示例 包含正文演示与各节代码
第 3 章 · 5 个 R 示例

线性回归模型

用线性回归连接金融理论与数据,重点练习系数解释、模型诊断,以及 CAPM 的实证设定。

先运行什么:先用 mtcars 练习回归,再用出版社提供的匿名 A 公司数据演示 CAPM。

数据说明:匿名案例包含价格缺失值;代码按正文方法插值,并保留插值标记。

第 3 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 5 个 R 示例 包含正文演示与各节代码
第 4 章 · 20 个 R 示例

自回归移动平均模型

从平稳性、自相关与白噪声出发,学习 AR、MA、ARMA 等模型如何描述金融时间序列的动态。

先运行什么:模拟 AR(2) 序列,用 Yule–Walker 方法估计参数。

数据说明:默认演示使用模拟序列;交易所指数案例需要按本章说明准备数据。

第 4 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 20 个 R 示例 包含正文演示与各节代码
第 5 章 · 8 个 R 示例

波动率模型

观察波动聚集,理解 ARCH、GARCH 等模型如何用过去的冲击和条件方差刻画风险。

先运行什么:模拟 GARCH(1,1) 的条件方差递推,并观察波动随时间变化。

数据说明:默认演示使用模拟数据;实际指数行情及部分模型所需扩展包另行准备。

第 5 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 8 个 R 示例 包含正文演示与各节代码
第 6 章 · 2 个 R 示例

收益可预测性与有效市场假说

围绕收益可预测性与有效市场假说,学习如何区分统计检验结果和可实现的交易收益。

先运行什么:提供正文价格检验的数据入口;准备好数据后可运行贵州茅台案例。

数据说明:仓库未预置贵州茅台行情。运行该实证案例前,须按本章字段说明提供数据。

第 6 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 2 个 R 示例 包含正文演示与各节代码
第 7 章 · 7 个 R 示例

非参数方法

用核密度估计与非参数回归观察数据形状,理解带宽、局部加权与估计精度之间的关系。

先运行什么:比较核函数,并用 R 内置的 DAX 历史序列估计收益率密度。

数据说明:DAX 数据来自 R 内置 EuStockMarkets,是历史样本,不是实时行情。

第 7 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 7 个 R 示例 包含正文演示与各节代码
第 8 章 · 5 个 R 示例

金融资产定价模型

从 CAPM 走向多因子模型,学习风险因子的构造、模型估计与定价检验。

先运行什么:以模拟股票为例,演示按上一期特征分组、计算下一期收益的简化等权 SMB/HML 流程。

数据说明:演示因子用于说明分组方法,不等同于官方 Fama–French 因子。

第 8 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 5 个 R 示例 包含正文演示与各节代码
第 9 章 · 10 个 R 示例

连续时间模型与高频波动率估计

从布朗运动和扩散过程进入连续时间建模,并了解高频数据中的波动率估计问题。

先运行什么:模拟标准布朗运动路径,观察时间步长和随机增量的关系。

数据说明:默认演示是模拟路径;高频行情片段需另备带时间戳的交易数据。

第 9 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 10 个 R 示例 包含正文演示与各节代码
第 10 章 · 7 个 R 示例

收益率曲线(Yield Curve)

联系债券价格、贴现因子与远期利率,学习收益率曲线的构造和期限结构模型。

先运行什么:用给定参数绘制 Nelson–Siegel 收益率曲线,观察曲线形状。

数据说明:这是一条示意曲线,并非从市场价格估计得到的收益率曲线。

第 10 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 7 个 R 示例 包含正文演示与各节代码
第 11 章 · 5 个 R 示例

风险管理与尾部风险估计

从 VaR、极值理论和尾指数出发,学习如何估计与检验金融损失分布的尾部风险。

先运行什么:用 Pareto 模拟样本演示 Hill 尾指数估计及阈值选择的影响。

数据说明:默认样本为模拟数据;市场风险案例需使用相应的历史价格数据。

第 11 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 5 个 R 示例 包含正文演示与各节代码
第 12 章 · 9 个 R 示例

AI 与金融计量:模型、应用与实践

研究机器学习在金融预测中的使用方法,重点关注时间顺序、样本外验证和回测中的信息泄露。

先运行什么:用缩小的模拟股票样本演示滚动训练的树模型选股流程。

数据说明:默认演示是教学模拟,不代表真实市场回测或投资收益。

第 12 章 GitHub 代码目录二维码 扫码查看本章代码
查看本章 9 个 R 示例 包含正文演示与各节代码