友情链接:
合作联系
|
ASPEN培训课程
量化研究员、计量经济学学者、金融工程分析师及统计计算人员。
掌握Gauss矩阵编程语言，能够高效处理大规模矩阵运算。
能够编写自定义的最大似然估计（MLE）和GMM估计程序。
熟练应用Gauss进行蒙特卡洛模拟与金融时间序列建模。
Gauss软件概述：Gauss的定位与特点（矩阵编程语言）；工作界面与程序文件（.prg）；命令执行方式。
矩阵创建与操作：矩阵的直接输入与创建（ones, zeros, eye）；矩阵的基本运算（加、减、乘、除、转置、求逆）；矩阵的连接与截取。
编程与流程控制：Gauss程序设计基础；循环（do while, for）与条件分支（if）；自定义过程的编写；文件的读写操作。
描述性统计与分布：常用统计量的计算（均值、方差、协方差、相关系数）；常用概率分布函数（正态、t、F、卡方）；随机数的生成。
数值计算工具：矩阵的特征系统（eig）；线性方程组求解；数值积分与微分；非线性方程求根。
优化方法：无约束优化（QNewton, BFGS）；有约束优化；用户自定义优化函数的调用。
线性回归的矩阵实现：利用矩阵运算手动实现OLS估计；系数协方差矩阵的计算（异方差稳健标准误）；假设检验的编程（Wald检验）。
最大似然估计（MLE）：MLE的基本原理；似然函数的编写；利用Gauss的MLE库（或自编程序）估计Logit/Probit模型；估计结果的输出。
广义矩方法（GMM）：GMM估计的基本思想；矩条件的定义；GMM目标函数的构建与最小化。
时间序列分析编程：ARMA模型的估计；单位根检验（ADF）的编程实现；GARCH类模型（波动率建模）的估计。
蒙特卡洛模拟：模拟的基本流程；利用随机数生成评估估计量的统计性质（偏差、均方误差）；模拟检验检验的功效。
综合案例：资产定价模型实证：利用真实金融数据，编程实现因子模型的估计与检验，并进行模拟分析。
