本书从金融实证研究的常见问题出发，以新类型的金融数据作为突破口，选取在金融实践中得到应用和验证的新方法。全书分为三个部分：第一部分归纳金融实证分析的主要问题和常用的金融数据，明确金融计量经济学研究的目标和对象；第二部分讲解经典计量经济学理论，包括经典线性回归模型及其拓展和时间序列分析方法；第三部分针对高维数据、网络数据和文本数据，介绍收缩估计、网络生成模型、ＡＩ 文本分析方法等新技术，以及线性因子模型、内生贸易网络等实际应用。本书可作为硕博研究生金融计量经济学课程教材。

杨超，女，美国俄亥俄州立大学经济学博士，上海财经大学经济学院副教授，长期从事计量经济学理论与应用研究，主要研究兴趣为网络与空间计量经济学、金融计量经济学；近年来在Journal of Econometrics, Journal of Business and Economic Statistics等国际计量经济学理论研究顶级期刊和China Economic Review、Regional Science and Urban Economics等应用研究领域国际一流期刊上发表多篇学术论文，主持国家自然科学基金面上项目和青年项目，参与多项重大项目的研究；同时长期从事计量经济学教学，主讲《高等数理统计》《高级计量经济学》《微观计量经济学》等多门研究生课程，具有丰富的教学经验。 范馨月，女， 数量经济学博士，上海市晨光学者。现任上海财经大学经济学院讲师，研究兴趣为宏观计量经济学，文本分析，宏观经济监测预测，大数据建模方法及应用。近年来在International Journal of Forecasting，Journal of Forecasting以及《经济研究》《世界经济》《管理科学学报》等重要刊物上发表多篇论文，主持上海市晨光计划项目、上海市人工智能促进科研范式改革赋能学科跃升计划项目、*数理经济学实验室开放项目，并作为核心成员参与*人文社会科学重点研究基地重大项目、国家社会科学基金重大项目、国家自然科学基金面上项目、全国统计科学研究重点项目等重要课题。

第一部分 金融实证分析简介 第 １ 章 实证问题与金融数据 ?３ １．１ 大数据时代的实证分析 ?３ １．２ 金融数据类型 ?４ １．３ 三种模型 ?６ 第二部分 金融计量基本理论 第 ２ 章 经典线性回归模型 ?１１ ２．１ 线性回归模型 ?１１ ２．２ 最小二乘估计的原理 ?１３ ２．３ 经典模型假设 ?１５ ２．４ 代数性质与拟合优度 ?２０ ２．５ 小样本性质与统计推断 ?２３ ２．６ 大样本性质与统计推断 ?２６ 第 ３ 章 广义线性回归模型 ?３１ ３．１ 广义线性回归模型 ?３１ ３．２ ＯＬＳ 估计的性质 ?３２ ３．３ ＧＬＳ 估计 ?３３ 第 ４ 章 数据问题与内生性 ?３６ ４．１ 数据问题 ?３６ ４．２ 内生性与工具变量 ?３８ 第 ５ 章 面板数据模型 ?４６ ５．１ 面板数据的基本框架 ?４７ ５．２ 基于混合回归的几种估计 ?４９ ５．３ 固定效应模型 ?５１ ５．４ 随机效应模型 ?５３ ５．５ 小结 ?５４ 第 ６ 章 非线性与受限因变量模型 ?５５ ６．１ 非线性回归 ?５５ ６．２ 受限因变量模型 ?５７ 第 ７ 章 时间序列分析 ?６０ ７．１ 时间序列的定义与基本性质 ?６１ ７．２ 自回归与移动平均 ?６７ ７．３ 时间序列的波动率建模 ?７０ ７．４ 单位根与协整 ?７３ ７．５ 向量自回归模型 ?７７ 第三部分 大 数 据 方 法 第 ８ 章 高维数据问题 ?８５ ８．１ 高维数据与收缩估计 ?８５ ８．２ 高维数据与线性因子模型 ?８９ 第 ９ 章 网络数据分析 ?９８ ９．１ 网络计量经济学与机器学习 ?９８ ９．２ 静态网络形成模型 ?１０４ ９．３ 动态网络形成模型 ?１１０ ９．４ 网络上的经济金融现象 ?１１７ 第 １０ 章 ＡＩ 文本分析 １１９ １０．１ ＡＩ 文本分析概述 １１９ １０．２ ＡＩ 文本分析的核心技术 １２２ １０．３ 核心 ＡＩ 模型 ?１２５ 参考文献 ?１３０