顶部
收藏

金融数据统计分析


作者:
潘上永 贲志红
定价:
42.00元
ISBN:
978-7-04-060572-3
版面字数:
474.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2023-12-25
读者对象:
高等职业教育
一级分类:
财经大类
二级分类:
财经类专业基础
三级分类:
经济法

本书是高等职业教育智慧财经系列教材之一。

本书以金融数据统计分析流程为框架,从金融数据认知、数据采集处理、金融数据分析和应用三个层面构建课程体系,全书共有11个项目。本书注重理论一体,通过大量案例帮助学生快速了解并掌握金融数据采集、处理和分析的相关基础知识,注重培养学生的逻辑思维能力,提高其大数据素养水平。为利教便学,部分学习资源以二维码的形式提供在相关内容旁,可扫描获取。此外,本书另配有教学课件、微课视频、实训手册等教学资源,供教师教学使用。

本书既可作为高等职业教育财经大类专业大数据基础课程教材,也可作为应用型本科的经济金融类专业教材,还可以作为经济金融商贸类行业社会从业人员学习数据分析的参考用书。

  • 001 项目一 认识大数据时代的数据分析与金融数据
    • 002 任务一 认识数据分析与统计
    • 009 任务二 认识金融数据与大数据
    • 017 任务三 了解数据相关法律法规
    • 021 思考与练习
    • 023 项目实训
  • 024 项目二 金融数据采集
    • 025 任务一 认识数据采集
    • 030 任务二 设计调查问卷
    • 039 任务三 了解网络爬虫工具
    • 046 任务四 了解Python自动化采集
    • 053 课堂实训——八爪鱼自动采集数据
    • 061 思考与练习
    • 063 项目实训
  • 064 项目三 数据的处理和清洗
    • 065 任务一 处理数据
    • 073 任务二 清洗数据
    • 081 课堂实训——销售数据处理
    • 092 思考与练习
    • 094 项目实训
  • 095 项目四 描述性统计分析
    • 096 任务一 分析数据的集中趋势
    • 103 任务二 分析数据的离散程度
    • 107 任务三 分析数据的分布形态
    • 108 课堂实训——GDP数据描述性统计分析
    • 115 思考与练习
    • 117 项目实训
  • 118 项目五 抽样推断法应用
    • 124 任务一 认识抽样推断
    • 128 任务二 选择抽样调查的组织形式
    • 130 任务三 测量抽样误差
    • 136 任务四 确定抽样推断方法与样本容量
    • 139 课堂实训——抽样推断的 Excel 运用
    • 145 思考与练习
    • 147 项目实训
  • 148 项目六 统计指数分析
    • 149 任务一 认识统计指数
    • 152 任务二 编制总指数
    • 159 任务三 了解经济指数的编制及应用
    • 164 任务四 构建指数体系及因素分析
    • 172 课堂实训——产品信息指数分析
    • 178 思考与练习
    • 180 项目实训
  • 181 项目七 相关分析与回归分析
    • 182 任务一 理解相关分析的意义和种类
    • 187 任务二 掌握简单线性相关分析
    • 192 任务三 掌握回归分析
    • 199 课堂实训——分析研发与销售的关系
    • 208 思考与练习
    • 210 项目实训
  • 211 项目八 时间序列分析
    • 213 任务一 了解时间序列的意义和种类
    • 218 任务二 熟悉时间序列的水平指标
    • 221 任务三 熟悉时间序列的速度指标
    • 223 任务四 分析时间序列变动的趋势
    • 230 课堂实训——分析并预测企业总产值的发展情况
    • 238 思考与练习
    • 239 项目实训
  • 240 项目九 数据可视化展现
    • 244 任务一 绘制统计表
    • 245 任务二 绘制统计图
    • 253 任务三 构建数据透视表与数据透视图
    • 254 课堂实训——网店访客数可视化展现
    • 259 思考与练习
    • 261 项目实训
  • 262 项目十 数据分析报告编制
    • 263 任务一 认识数据分析报告
    • 265 任务二 解析数据分析报告
    • 280 课堂实训——行业分析报告
    • 282 思考与练习
    • 284 项目实训
  • 286 项目十一 基于 Python 的金融数据分析
    • 287 任务一 基于 Python 的数据清洗
    • 295 任务二 基于 Python 的描述性统计分析
    • 299 任务三 基于 Python 的抽样估计分析
    • 301 任务四 基于 Python 的指数分析
    • 304 任务五 基于 Python 的相关分析与一元线性回归
    • 308 任务六 基于 Python 的时间序列分析
    • 313 任务七 基于 Python 的图形可视化
  • 316 主要参考文献