CDA数据分析师.docx

精选资料CDA数据分析师第一阶段：Excel数据分析1.Excel数据处理技巧和高效方法2.Excel数据收集、整合、规范化3.Excel公式、函数、数组及数据分析4.Excel可视化数据分析（排序、筛选、透视表等）5.Excel图表化数据呈现6.商业智能分析（Power BI）第二阶段：数据分析理论基础1.集中趋势、离散测度、均值、中位数、众数、方差、点估计、区间估计等相关的知识2.假设检验 T检验、方差、相关性、列联分析3.回归分析4.主成分分析5.时间序列第三阶段：数据库管理1.MySQL数据库基本操作；2.MySQL数据类型和运算符、数据的CRUD操作；3.MySQL用户管理;4.MySQL数据备份与还原;5.MySQL函数；6.中型、大型数据清洗查询案例；第四阶段：SPSS数据分析（1）数据处理流程、数据的输入输出（2）描述统计分析，常用的统计图形（3）T检验、方差分析、与数据库连接（4）相关、偏相关分析，线性回归（5）Logistic、分类变量回归、ROC曲线（6）缺失值的处理、主成分分析（7）因子分析、K-means聚类，层次聚类（8）神经网络、RFM模型、对应分析、联合分析（9）时间序列、总结第五阶段：数据挖掘算法1.关联规则；2.决策树；3.贝叶斯；4.SVM；5.神经网络。第六阶段：R语言1.R基础编程2.R中高级图表（Echart)与信息压缩3.数据清洗4.统计推断5.客户价值预测_线性回归模型诊断6.逻辑回归与决策树7.KNN、朴素贝叶斯、svm、聚类与客户画像8.汽车金融信用违约预测模型案例第七阶段：案例分析实战1.互联网广告中的大数据应用；2.利用时间序列精准预估零售业的销量及营业额；3.如何在保险行业中使用决策树并展示其成果；4.如何在零售行业中应用Logistic回归和线性回归估计客户生命价值。选修方向一：Python数据分析（13期上海）1.Python编程基础；2.Numpy数组和矢量计算；3.Pandas基础&进阶；4.Python爬虫初级；5.python推荐系统实践；6.案例分析。选修方向二：SAS数据挖掘（12期深圳）1.SAS Base基础编程；2.SAS Base高级编程；3.SAS统计分析；4.SAS电商数据挖据；5.SAS信用评级模型；案例：如何利用客户分群实现保险行业中潜在客户的精准定位案例：如何针对行业特性进行营销组合优化.视频大数据分析周末班第10期CDA2级大数据前沿知识介绍，免费观看大数据基础知识 点击观看第一阶段：大数据前沿知识及hadoop入门1.大数据前沿知识介绍2.课程介绍3. Linux及unbuntu系统基础4.hadoop的单机和伪分布模式的安装配置第二阶段：Hadoop部署进阶1.Hadoop集群模式搭建2. Hadoop分布式文件系统HDFS深入剖析3.使用hdfs提供的api进行hdfs文件操作4. Mapreduce概念及思想第三阶段：大数据导入与存储1.mysql数据库基础知识2.hive安装部署与案例3.sqoop安装及使用第四阶段：Hbase理论及实战1. hbase简介2.安装及配置第五阶段：Spark配置及使用场景1. spark简介、安装及配置2.scala简介、安装及语法讲解第六阶段：spark大数据分析原理1.Spark内核：基本定义、Spark任务调度2.Spark Streaming 实时流计算3.Spark MLlib 机器学习4.Spark SQL 实战第七阶段：hadoop+Spark大数据分析1.实战案例深入解析2.hadoop+Spark的大数据分析之分类3.Logistic回归与主题推荐与南京大学、东南大学合作，颁发“CDA数据分析师”“高级、中级、初级”证书丁亚军南京上度咨询数据分析总监、经管之家论坛SAS、SPSS版版主，CDA数据分析研究院研究员和SAS、SPSS软件讲师。 研究方向为“统计软件与数据分析”、“市场调查分析”、“数据挖掘咨询”。王小川神经网络、数据挖掘、统计分析应用领域专家，国内最大的MATLAB论坛管理员，在硕士与博士期间，参与发表了SCI论文6篇，核心期刊论文5篇，获得同济大学奖学金，精通各类统计学软件，参与编写MATLAB神经网络30案例分析等书籍。翟祥CDA数据分析师讲师/北京林业大学管理学院统计系教授/人民大学统计学博士 具有深厚的数理统计与应用数据分析专业背景，SAS公司骨灰级讲师，具有八年数据分析、数据挖掘的从业经验，独立或带团队完成零售、电信、金融等多个大型数据挖掘项目。李奇中国电子表格应用大会主席，曾在IBM中国担任销售管理团队数据分析项目组长及德勤北京所的数据分析高级咨询顾问。专精于企业数据分析、制定商业智能业务解决方案、软件开发及Excel培训等。赵仁乾北京邮电大学管理科学与工程硕士，现就职于北京电信规划设计院，从事移动、联通集团及各省分公司市场业务财务规划、经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、潜在价值客户挖掘等。易向军大数据及云计算领域创业者，创始人。在电信及互联网行业有多年从业经验，熟悉数据挖掘实际应用场景，具备丰富的一线实践经验。在运营分析、产品用户体验评测等方面有着深刻认识，致力于数据挖掘知识的宣传推广及相关技术的探索研发。马伯经管之家CDA数据分析研究院讲师，从事互联网、电子商务方向数据分析与数据挖掘的研究与CDA数据分析师的教学工作，研究方向为文本挖掘、电商推荐系统开发、潜在价值客户挖掘，互联网大数据挖掘等。曾珂管理科学工程硕士/CDA数据分析研究院讲师 从事数据分析与数据挖掘的研究与教学，研究方向为互联网、电子商务数据分析与挖掘，擅长基于客户关系管理的数据挖掘、数据可视化、文本挖掘。量化分析课程第一阶段：金融数据处理1. 导入，检查，及操作财务数据2. 单一资产收益之各种定义3. 投资组合收益计算4. 数据预处理第二阶段：风险度量1. 收益与风险权衡2. 单一资产风险3. 投资组合风险4. 波动率估计与建模5. 风险价值6. 风险模型回测6. 期望损失7. 其他风险测度8. 风险调整之投资组合绩效第三阶段：资产定价模型1. 套利定价模型6. 期望损失2. 模型系数估计6. 期望损失3. 模型检验第四阶段：投资组合理论第五阶段：因子模型第六阶段：金融衍生品1. 期权定价2. 买卖权平价关系3. 隐函波动率4. 套期保值方法5. 套期保值优化6. 套期保值与交易成本第七阶段：财报与基本面分析1. 财报分析基础2. Benjamin Graham 经典价值型投资法3. 兼具价值与成长之GARP策略第八阶段、量化交易策略1. 技术分析介绍1.1 K线图形态分析1.2 均线系统1.3 动量交易策略1.4 相对强弱指标（RSI）与市场反转1.5 随机指标KDJ与价格波动2. 高频金融数据分析3. 投资策略实战3.1 通道策略3.2 多指标组合投资策略3.3 量价关系分析3.4 配对交易策略3.5 轮动投资策略3.6 仓位控制3.7 一个趋势存在與否的判断策略3.8 趋势追踪策略3.9 利用均值回归在震荡中获取交易机会蔡立耑美国伊利诺伊大学金融硕士/华盛顿大学经济学博士亲身实践各种金融应用，主持研究团队与台湾知名大学与企业合作开展各种金融研究，例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。CDA数据分析就业班第九期视频EXCEL 数据分析入门工具Excel数据收集、整合及高效处理技术和方法Excel函数、数组与数据分析Excel透视表和图表化数据呈现Excel自动化工具宏与交互式界面设计Excel高效分析数据利器VBA案例数理统计-数据分析根基描述性统计抽样估计假设检验方差分析相关性卡方分析回归分析主成分分析、因子分析列联分析数据库管理Mysql基础知识以及表结构管理数据库、表的建立以及简单的查询，数据的运算高级查询、视图。SPSS数据分析数据处理流程图、数据的输入输出描述统计分析，常用的统计图形T检验、方差分析、与数据库连接相关、偏相关分析，线性回归Logistic、分类变量回归、ROC曲线缺失值的处理、主成分分析因子分析、K-means聚类，层次聚类神经网络、RFM模型RFM模型、对应分析、联合分析时间序列、总结案例：员工绩效分析、商品投诉分析、用户购买力分析、信用违约分析等数据挖据实战案例产品精细化运营、球员综合评价用户体检测评、用户信用评分淘宝电商数据分析SAS编程软件的介绍、认证的介绍、sas入门编程（PDV）SAS数据集操作、数据的读入导出sas宏proc sqlSAS电商数据分析sas统计分析：统计描述、相关分析、回归分析、稳健logistics回归、poisson回归、主成分分析、对应分析、联合分析；sas电商数据挖据：数据挖掘简介、访问数据库及文件、RFM、DM回归、神经网络、决策树、购物篮分析、聚类分析、组合模型。知名外企咨询公司实际案例分析（1）零售业中运用逻辑回归和线性回归估计客户生命价值（2）Excel整理快消客户数据实现数据分析及BI数据报表（3）Tableau实现行业的可视化（4）搜索引擎营销（5）在线数字分析案例赏析（6）如何在零售业中实现决策树并展示其成果（7）利用时间序列精准预估零售业销量及营业额（8）如何利用客户分群实现保险业中的现在客户的精准定位（9）营销组合优化选修方向一：PythonPython基础编程Pandas应用Python推荐系统和案例实战Python机器学习选修方向二：RR基础编程R语言数据挖掘R数据挖掘案例实战R-Oracle量化投资长期班Module 1Python数据处理与自动化交易一，Python 编程1，数据类型1.1 数值类型，字符串，列表，元组，字典，集合1.2 可变与不可变2，基本语法2.1 常用运算符2.2 常用语句2.3 函数的定义与调用3，进阶技巧3.1 切片，迭代，列表解析，生成器，迭代器3.2 面向对象3.2.1 类，封装，与继承3.3 函数式编程3.3.1 map/reduce3.3.2 匿名函数3.3.3 装饰器3.3.4 偏函数二，数据探索1， Numpy：数组和向量计算2， Pandas 与金融数据处理2.1 数据清理，转换，合并，重塑2.2 数据聚合与分组运算3，Matplotlib 与数据可视化4，时间序列数据4.1 日期的采样，频率，移动，及算术运算5，基于事件趋动的自动化交易系统实践Module 2宏观角度的投资时间序列, 金融理论，因子模型，财报选股，倉位控制一，数据特征分析1，描述性统计2，参数估计3，假设检验4，回归分析二，金融学1， 收益率1.1 单期简单收益率1.2 多期简单收益率1.3 年化收益率1.4 考虑股利分红的简单收益率1.5 连续复利收益率2，风险测度2.1 方差2.2 下行风险2.3 风险价值2.4 期望亏空2.5 最大回撤3，资本定价模型及评价4， 投资组合理论5，因子模型及评价三，基本面选股1，财报分析基础2，公司估值3，Benjamin Graham 经典价值型投资法4， 兼具价值与成长之GARP策略5， 积极成长策略四，宏观择时五，轮动策略六，时间序列1，自相关性2，平稳性3，白噪声4，时间序列预测5，GARCH 模型6，卡曼滤波器7，协整8， 配对交易七，仓位控制1，凯利公式2，网格交易动态调仓Module 3-量化投资技术分析与金融数据挖掘一，技术分析1，常用技术分析基础1.1 K线1.2 RSI1.3 均线系统1.3.1 移动平均1.3.2 MACD1.4 通道1.5 唐奇安通道1.6 布林带通道1.6.1 随机指标1.6.2 量价关系1.6.3 能量潮OBV指标1.6.4 简易波动指标EMV1.6.5 顺势指标CCI1.6.6 人气指数 AR2，趋势跟踪2.1 动量2.2 线性回归与趋势跟踪2.3 胜率与趋势跟踪2.4 海龟交易系统3，技术指标择时,4，多空策略5，缠论二，金融数据挖掘1，神经网路 Neural Networks2，随机森林 Random Forests3，K最近邻 K-Nearest Neighbors4，支持向量机Support Vector Machines5，线性判别分析 Linear Discriminant Analysis6，二次判别分析 Quadratic Discriminant Analysis7，逻辑回归 Logistic Regression【量化投资】思想、策略与R语言实战第2天 金融时间序列, 基本面选股策略, 投资组合金融时间序列分析1. 认识金融时间序列2. 时间序列的平稳性检验与白噪声探讨3. 时间序列平滑处理4. 金融时间序列建模预测5. 时间序列波动的集聚效应案例: 以上证综指为例，运用统计方法检验时间序列数据可预测性的前提条件。案例: 运用ARIMA模型进行批量模拟建模，以预测股票未来的收益率。案例: 使用GARCH模型预测波动率，并将其应用于VaR模型的风险管控。量化选股策略6. 基本面分析（FundamentalAnalysis）选股6.1 短期偿债能力指标6.2 营运能力指标6.3 资本结构与长期偿债能力分析指标6.4 盈利能力指标7. Benjamin Graham价值选股7.1 Graham选股公式三个标准7.2 中国股市的检验7.3 经典十项法则及详解7.4 Graham选股策略的实现与市场表现8. GARP 选股策略9. CAPM超额Alpha选股10. 三因子模型选股投资组合配置11. 马科维茨风险-收益模型原理12. Black-Litterman模型第3天 常用技术指标,投资表现衡量,高频数据分析投资绩效表现分析1. 收益分析2. 风险分析3. PerformanceAnalytics包的介绍与应用技术指标、买卖点捕捉4. K线图形态分析5. 均线系统6. 动量交易策略7. 相对强弱指标（RSI）与市场反转7.1 RSI7.2 RSI8. 随机指标KDJ与价格波动9. 高频金融数据分析9.1 非同步交易9.2 交易数据的经验特征9.3 价格变化模型9.4 持续期模型9.5 处理市场微观结构噪声第4天 量化投资策略实战1. 通道策略2. 多指标组合投资策略3. 量价关系分析4. 配对交易策略5. 轮动投资策略6. 仓位控制7. 一个趋势存在與否的判斷策略8. 趋势追踪策略9. 利用均值回归在震荡中获取交易机会10. 追涨杀跌策略11. 支持向量机与股票涨跌预测12. 神经网络与股票涨跌预测讲师介绍：蔡立耑（Terry Tsai），美国伊利诺伊大学金融硕士，华盛顿大学经济学硕士、博士，在国内外如美国、韩国有丰富的授课经验。带领博、硕士生从事投资决策、金融衍生品、风险分析、交易策略等领域的研究。生长于台湾，求学于美国，在台湾的信息与金融业担任高级顾问，不仅拥有扎实的金融理论基础，而且具备广阔的国际视野与前沿的研究理念！主持多项金融大数据研究项目，涉及SAS、R、Matlab、Mathematica、Java 与C#、F# 等多种统计分析工具与编程语言。在数据处理、数据分析以及数据可视化等数据科学领域有丰富的经验和独到的见解。亲身实践各种金融应用，主持研究团队与台湾知名大学与企业合作开展各种金融研究，例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。课程特色：1：现场教学，可现场和老师互动，解决当下的课程疑惑2：课程内容丰富，囊括了许多量化投资的理论知识3：课程内容新颖，应用前沿的学术理论4：教学过程深入浅出, 以实例与实作印证所学5：学员能快速掌握灵活R语言，能在现实中通过此工具解决量化投资等综合金融问题6：可操作性强，将所介绍理论在实战中一一展示，即学即用，在实战中搭建课程的整体脉络课程目标：本课程旨在有限的三天时间内帮助学员高效实现：1：深入理解量化投资的思想，建立起量化投资的理论直觉2：熟练灵活使用R语言，能藉助R语言工具高效迅速构建量化投资策略3：培养强烈的市场投资直觉，能通过构建量化投资策略敏锐捕捉市场盈利，赢取市场套利空间Python量化投资现场班Python量化投资现场班Python量化基础班：Python语言基础与金融统计分析Part1：Python语言学习与应用1、 Python语言简介2、 运算符与表达式3、 Python控制流4、 Python函数5、 Python模块6、 异常处理与文件操作7、 Python绘图8、 Numpy篇9、 Pandas篇10、 数据库连接Part2 ：金融统计分析概论1、统计学理论（1）统计学概论（2）描述性统计（3）参数估计（4）假设检验2、多变量相关性分析3、线性回归模型案例分析案例一：大型股票数据库读取股票数据案例二：A股市场股票数据绘图案例三：交易数据描述性统计案例四：非金融专业数据获取方法Python量化实战班第一天Part1：金融数据处理高级编程Pandas深入分析金融因子数据生成常见的金融数据整理方式Part2：量化投资概述投资策略回顾与比较基本面、技术分析和量化的联系与区别量化投资概述量化投资风险与管控Part3：量化投资Python平台介绍数据获取回测框架介绍回测注意问题案例分析案例一：市盈率手动计算案例二：Panel数据的存储与提取案例三：简单的均线穿越策略实现Python量化实战班第二天Part1：市场描述策略描述性研究Part2：高级交易策略CTA策略大师选股策略市场中性选股策略技术指标类策略资产配置策略Part3：时间序列模型什么是时间序列数据时间序列的平稳性检验与白噪声探讨时间序列平滑【SMA、WMA EWMA】金融时间序列建模预测【ARMA、ARIMA模型】波动的集聚效应案例分析案例一：如何通过各种数据描述当前市场状态案例二：CTA策略案例三：经典大师选股策略案例四：市场中性选股策略案例五：技术指标类选股策略案例六：资产配置策略案例七：时间序列策略Python量化实战班第三天Part1：投资组合基本概念超额Alpha选股CAPM模型三因子模型选股Part2：投资组合构建单因子测试多因子测试常见的组合构建方法Part3：数据挖掘算法在量化投资中的运用逻辑回归与涨跌预测支持向量机模型与涨跌预测聚类与股票配对Part4 舆情分析与关注度模型文本挖掘概述文本处理技巧中文分词案例分析案例一：单因子全套测试代码案例二：组合构建案例案例三：文本数据处理案例 金多多CVA课程学生管理学生管理模块包含对学生的账号导入、批量注册、学生专业管理、学生班级管理、分组式教学管理等功能。课程管理课程管理模块包含新课程的开设、上课的时间安排、学科测评、成绩管理、学习日志管理、教学远程共享、资料共享、实验报告管理、提问答疑管理等功能管理功能管理模块包含对各类账号权限的分配、登录区域的设定、更新反馈等财务报表分析课程王跃武系湖南大学工商管理学院博士、副教授、硕士生导师。主要学术兼职有:湖南省农村研究院客座研究员、湖南省资兴市咨询专家、广东省新兴经济体研究会智库专家；财经理论与实践、金融理论研究、湖南财政经济学院学报、中国科技论文在线等学术期刊审稿人。自2005年以来已在财经理论与实践、审计与经济研究等重要刊物上发表论文70多篇，其中核心及以上刊物发表30多篇。主持并完成国家社会科学基金后期资助项目1项；主研并完成国家自然科学基金项目2项；主持并完成其他纵向与横向课题6项。出版学术专著竞争力财务经济学企业价值、资本与竞争力分析与人力资源会计应用性研究：理论、方法与尝试，出版教材管理会计学与财务报表分析。主要研究领域包括：理论经济学、财务与会计基础理论、竞争力财务、知识资本会计与财务、管理会计、财务分析等。主要讲授本科与研究生的成本与管理会计、财务报表分析、财务管理、资产评估等课程；指导学生获得IMA案例大赛2015年华中区亚军、2016年华南区二等奖。“财务报表”是我们经济生活中常见的信息产品，是我们理解并判断一个企业经营得怎么样、管理效率如何、财务业绩优劣及其变化等重要内容不可或缺的“窗口”。显而易见，把这个很可能陌生的企业的财务报表读懂、读透，是我们提升各种与之相关的决策之质量、进而增进相关利益的信息基础：第一章 概论第一节 为什么需要财务报表分析第二节 哪些人需要什么样的财务报表分析第三节 财务报表分析的学习第二章 财务报表信息及其解读第一节 财务报表信息的构成及其解读次序第二节 财务报表分析的基本方法体系第三节 财务报表的快速解读第四节 资产负债表的简要分析第五节 利润表的简要分析第六节 现金流量表的简要分析第三章 企业偿债能力分析第一节 企业短期偿债能力分析第二节 企业长期偿债能力分析第四章 企业营运能力分析第一节 概述第二节 企业营运能力的比率分析第三节 营运能力与其他能力的关系第五章 企业盈利能力分析第六章 企业竞争能力分析第一节 企业竞争能力的经济学分析第二节 企业竞争能力的财务分析第七章 企业发展能力分析第一节 企业后续融资能力分析第二节 企业物质基础发展能力分析第三节 企业知识资本潜力分析第八章 企业财务综合分析第一节 沃尔评分法第二节 杜邦财务分析体系第三节 经济附加值评价法第九章 财务报表分析的综合案例:Sany VS Zoomlion第一节 阅读审计报告第二节 阅读财务报告背景性附注第三节 公司财务报表的整合第四节 资产负债表及其项目分析第五节 利润表及其项目分析第六节 现金流量表及其项目分析第七节 报表项目分析小结第八节 三一重工与中联重科的偿债能力分析第九节 三一重工与中联重科的营运能力分析第十节 三一重工与中联重科盈利能力分析第十一节 三一重工与中联重科的竞争能力分析第十二节 三一重工与中联重科发展能力分析第十三节 总结统计视频课程系列课程名称课程名称课程详情计量经济学理论计量经济学理论与应用基础班课程详情计量经济学理论与应用高级班课程详情Stata培训班Stata学术论文专题课程详情Stata初级班课程详情Stata高级班课程详情Panel Data专题课程详情SAS培训班SAS初级班课程详情SAS应用班课程详情SAS建模班课程详情SAS/IML视频课程课程详情SAS BASE认证培训课程详情SAS ADVANCED认证培训课程详情SAS数据处理与ORACLE数据库交互课程详情SAS金融专题课程详情SAS数据挖掘专题课程详情SPSS培训班SPSS初级班课程详情SPSS高级班课程详情SPSS初中级课程张文彤主讲课程详情SPSS高级视频课程张文彤主讲课程详情EViews培训班EViews6.0时间序列分析课程详情Matlab培训班Matlab基础班课程详情基于Matlab的蒙特卡洛入门课程课程详情Matlab数据库应用班课程详情Matlab金融数量分析课程详情matlab-exlink-excel课程详情R培训班R初级班课程详情R高级班课程详情R时间序列专题(初级班)课程详情R时间序列专题(中级班)课程详情R时间序列（Rolling专题）课程详情R时间序列（多元波动率专题）课程详情R时间序列（案例集_股指期货）课程详情Excel培训班Excel数据分析与决策课程详情EXCEL函数应用班课程详情结构方程-应用班AMOS论文攻略张伟豪课程详情AMOS基础班课程详情AMOS高级班课程详情Lingo软件应用Lingo统计软件培训班课程详情Minitab培训Minitab应用班课程详情GaussGauss应用班课程详情PPT制作PPT初中级培训班课程详情教学课件PPT制作案例班课程详情认证培训SAS BASE认证培训课程详情SAS ADVANCED认证培训课程详情EViews6.0计量经济与时间序列分析班第一讲Eviews入门1.Eviews工作界面介绍2.Eviews工作文件及常用对象介绍3.变量的建立，变量中数据的录入4.删除变量或观察值5.样本区间的调整6.变量的排序7.通过数学运算生成新的变量8.工作文件的保存与EViews软件的退出9.如何调用已保存过的工作文件第二讲Eviews图形对象介绍1.关于单个变量的作图2.关于多个变量的作图第三讲描述性统计分析1.序列窗口下的描述性统计分析2.序列组窗口下的描述性统计分析第四讲一元线性回归模型1.做两个变量的散点图，从而看两个变量是否具有线性关系。2.通过建立方程对象的方式来估计一个方程3.对方程估计结果的解释与评价4.在回归估计结果中显示方程的三种形式5.如何根据我们估计的回归方程计算需求的价格弹性6.如何查看因变量的实际值、拟合值和回归方程的残差7.如何用我们建立的方程进行预测第五讲多元线性回归模型1.做以因变量为横轴，多个自变量为纵轴的散点图，2.建立组对象查看自变量的相关系数矩阵。3.以建立方程对象的方式来建立多元线性回归模型。4.对模型结果的解释和评价。5.我们选取删除引起共线性的变量的办法来克服多重共线性。6.对我们消除共线性后的模型进行检验，最后对模型进行解释和评价第六讲非线性回归模型1.双对数模型。2.半对数模型。3.倒数模型。第七讲虚拟变量模型1.虚拟变量的定义及意义。2.如何通过加项的形式将虚拟变量引入到模型中去。3.如何通过乘项的方式将虚拟变量引入到模型中去。4.模型中加入季节虚拟变量。第八讲单个经济时间序列的趋势模型、季节调整、分解与平滑1.趋势模型。2.季节调整方法。3.HP滤波和BP滤波4.指数平滑方法第九讲离散因变量与受限因变量模型1.二元选择模型2.排序选择模型3.计数模型4.删截回归模型（censored regression model）5.截尾回归模型（Truncated Regression Model）第十讲分布滞后模型1.回归方程残差的序列相关性检验2.回归方程残差的自回归模型（AR Error Model）3.自回归模型4.有限分布滞后模型5.自回归分布滞后模型第十一讲时间序列ARIMA模型1.如何通过观察时间序列的自相关图和偏自相关图来判断时间序列的平稳性。2.检验序列是否可以通过差分的方式来实现平稳性。3.通过观察自相关图和偏自相关图对平稳后的序列确定AR和MA和SAR的阶数。4.对估计的模型进行检验，包括显著性检验和残差序列的相关性检验。5.用我们建立的ARIMA或SARIMA模型进行预测。第十二讲单位根检验和基于残差的协整检验1.时间序列数据的平稳性说明2.时间序列平稳性的DF和ADF单位根检验3.时间序列平稳性的DFGLS单位根检验4.时间序列平稳性的PP单位根检验5.时间序列平稳性的KPSS单位检验6.时间序列平稳性的ERS单位根检验7.时间序列平稳性的NP单位根检验8.协整检验9.建立误差修正模型第十三讲自回归条件异方差模型1.通过日收盘价生成对数收益率变量2.对数收益率序列的平稳性检验3.均值方程的确定以及残差的序列相关检验4.对残差平方的序列相关检验5.对残差平方做线形图6.对均值方程的残差做ARCH-LM检验7.建立各种形式的ARCH模型并对新的残差序列进行ARCHLM检验。8.根据我们建立的ARCH模型对收益率序列的方差进行预测第十四讲联立方程计量经济学模型1.联立方程模型的介绍2.联立方程模型的概念以及分类3.联立方程模型的识别4.联立方程模型的估计第十五讲向量自回归模型1.VAR模型的有关概念(非结构化的向量自回归模型)2.有关SVAR模型的有关概念。3.VAR模型的识别条件4.SVAR模型的短期约束5.格兰杰因果关系检验6.VAR模型滞后阶数p的的确定。7.脉冲响应函数。8.方差分解9.Johansen协整检验10.向量误差修正模型第十六讲eviews矩阵计算1.矩阵的建立2.方阵的行列式.3.矩阵的加法4.矩阵的乘法5.矩阵的秩（标量）6.矩阵的迹（标量）7.矩阵的转置8.矩阵的逆9.求矩阵各个列向量的相关系数10.建立对称矩阵11.对称矩阵的特征向量12.矩阵的内积13.用eviews解线性方程组第十七讲Eviews编程应用1.如何把以前一年为基期计算的居民消费价格指数换算成以某一年为基期计算的居民消费价格指数。2.如何把名义变量（分类变量）转换成虚拟变量第十八讲面板数据模型1.面板数据和面板数据模型的简单介绍2.如何将面板数据导入到Eviews中？3.面板数据模型的分类4.固定影响（效应）变截距模型5.随机影响（效应）变截距模型6.Hausman检验7.固定影响变系数模型8.随机影响变系数模型9.面板数据的单位根检验10.面板数据的协整检验第十九讲方差膨胀因子1.方差膨胀因子计算公式2.通过建立辅助回归方程的形式来计算方差膨胀因子3.以矩阵计算的方式来计算变量的方差膨胀因子4.方差膨胀因子大小评价准则第二十讲分位数回归1.分位数回归简单介绍2.分位数回归的优势3.分位数回归的操作步骤4.分位数回归的结果分析第二十一讲极大似然估计1.极大似然估计的原理介绍2.多元线性回归的对数似然函数及其推导3.用EViews软件实现多元线性回归的极大似然估计4.GARCH(1,1)模型的对数似然函数5.用EViews软件实现GARCH(1,1)模型极大似然估计Stata基础班视频教程讲师介绍：连老师，经济学博士，2007年7月毕业于西安交通大学金禾经济研究中心，现为中山大学岭南学院金融系副教授。主讲课程为计量分析与STATA应用、实证金融、金融计量等。目前已在Global Finance Journal、Frontiers of Business in China、管理世界、金融研究、世界经济、统计研究、经济学(季刊)、国际金融研究等期刊发表论文30余篇，出版专著一部中国上市公司投资效率研究。主持国家自然科学基金、教育部人文社科基金、高校基本业务费基金、广东自然科学基金项目各一项，并曾参与了多项国家自然科学基金和国家社会科学基金项目，具有丰富的数据处理、模型构建和模拟分析经验。目前已完成Panel VAR（1800余行）、Panel Threshold（1200余行）、Two-tier Stochastic Frontier（500余行）等复杂计量模型的STATA实现程序，并编写过几十个小程序，如xtbalance.ado、bdiff.ado、gqhet.ado等等。培训目的：1.使学员掌握Stata的基本操作方法和常用命令，掌握绘图和数据处理的基本方法，并能够编写一些简单的Stata程序，为进一步学习高级课程打下扎实的基础。2.专题式的讲解使你能在短时间内掌握Stata的精髓，精选的实例和翔实的配套资料能让你在课后快速拓展所学。课程特色STATA初级视频教程非常注重培养学员的实证分析能力。我们一方面在尽可能呈现STATA全貌的同时做到重点突出、结构清晰，另一方面则强调实际问题的解决能力。例如，传统教科书中很少会涉及数据的合并、离群值的处理、面板资料的筛选等问题，而这些往往又是实证分析过程中至关重要的环节。又如，在整理回归结果的过程中，多数学员主要通过“复制-粘贴”的方式，效率甚低。通过本课程的学习，这些问题都能得到很好的解决。本课程的主要特色包括：(1)以专题的方式讲解，并辅以大量的实例，有助于学员快速掌握STATA数据处理、编程、绘图等方面的基本技巧，举一反三。(2)翔实的课程配套资料。本课程除提供视频教程外，还同时提供了大量的范例数据和外部命令、PDF版do文档，以及具有“时间节点”的视频目录，便于学员课后练习和快速查找自己感兴趣的内容。详见“配套资料”培训内容目录:点击观看STATA初级视频教程（2010版）共5个专题，包含36个视频文件，总计40余个学时。内容涉及：STATA入门、数据处理、绘图、矩阵以及编程。内容简介如下（详细目录见附录A）：第1讲从整体上介绍了STATA的基本架构，以便使学员在最短的时间内掌握STATA的精髓，包括：数据的导入导出、执行命令、修改和查验资料、log文件和do文件的使用、STATA与Word（Excel、LaTeX）等软件的完美结合，以及STATA常用设定等内容。第2讲通过大量的实例，介绍了各种数据处理技巧，是本课程最为核心、最有特色的内容。主要包括：复杂变量的创建；分位数；重复样本值、缺漏值和离群值的处理；资料的合并、追加和重新组合；文字变量、类别变量的处理；时间序列和面板资料的处理；以及数据的查验和对比等内容。这些内容的学习将大幅提高学员的数据处理能力。第3讲介绍STATA绘图。为了达到举一反三的效果，我先从整体上介绍STATA绘图的基本知识，进而将绘图命令拆解成8类选项和5类元素，并最终通过40余个实例全面介绍了15类常用图形的绘制方法。第4讲介绍STATA矩阵操作，包括矩阵的定义和管理、矩阵运算、矩阵解析等四个主题，为后续学习STATA编程知识奠定了扎实的基础。第5讲介绍STATA编程的基本知识，包括：程序的定义和调用、单值、暂时性物件（暂元、暂时性变量、暂时性文件、暂时性矩阵等）、循环语句、条件语句，以及STATA返回值的引用等内容。通过本讲的学习，学员将能够通过独立编写STATA程序来提高数据处理和模型估计的效率，为后续学习STATA高级程序奠定基础。以上各讲都以专题的形式进行讲解，其中不但包含了STATA官方提供的常用命令，还包含了大量外部命令（520多个），为学员提供了强有力的实证分析工具。SPSS数据统计分析师认证培训第一讲：SPSS基本操作入门1. 软件概述2. 界面入门3. 基本操作入门4. 系统选项与中文设置第二讲：数据录入与文件管理操作入门1. CCSS项目介绍2. CCSS项目的问卷录入（含多选题的录入与设定）3. 数据录入技巧4. 文件管理操作第三讲：SPSS编程入门1. 基本语法规则介绍2. 宏程序3. OMS系统第四讲：数据管理11. Compute过程2. Recode过程3. 转换菜单中的其他过程4. 排序、拆分、筛选与加权过程第五讲：数据管理21. 数据汇总2. 数据的重组与转置3. 多个数据文件的合并4. 重复个案与异常个案的查找5. 数据字典相关功能6. 数据验证模块第六讲：实战案例分析11. CCSS项目中数据异常值的自动核查与报告2. CCSS项目数据的自动计算与处理第七讲：分类变量的统计描述1. 统计描述分析模块介绍2. 单变量的描述指标与软件实现3. 多变量的交叉描述指标与软件实现4. 多选题的描述指标与软件实现第八讲：连续变量的统计描述1. 连续变量的统计描述指标体系2. 频数过程3. 描述过程4. 探索过程第九讲：统计表1. 表格的基本框架与类型2. 题目A3的分析报告表格制作案例3. 多选题A3a的分析报告表格制作案例第十讲：统计图1. 统计图的基本操作概述2. 统计图的分类3. 直方图与茎叶图4. 箱图5. 饼图6. 条图与误差图7. 线图、面积图、点图与垂线图8. 散点图9. PP图与QQ图10. 其他统计图形第十一讲：实战案例21. 探索消费者信心指数随背景资料的变化规律2. CCSS项目分析报告的自动化生产第十二讲：t检验1. 假设检验的基本原理2. 单样本t检验3. Bootstrap方法4. 完全随机两样本的t检验5. 配对t检验第十三讲：单因素方差分析1. 方差分析模型的基本架构2. 分析实例的GLM过程实现（含两两比较方法的选择）3. 分析实例的ANOVA过程实现第十四讲：卡方检验1. 卡方检验的基本原理2. 成组卡方分析实例（含卡方的校正与确切概率法）3. 一致性检验与配对卡方检验4. 分层卡方检验第十五讲：相关分析1. 相关分析的指标体系2. Pearson相关与秩相关3. 偏相关分析第十六讲：简单回归分析1. 相关与回归的联系与区别2. 回归分析模型的基本结构3. 分析实例（含残差分析等）4. 回归分析建模的标准流程第十七讲：如何正确选用常用统计分析方法第十八讲：实战案例31. 咖啡屋需求调查案例2. 牙膏新品购买倾向研究案例丁亚军、数据分析总监，任职于南京上度市场咨询有限公司，人大经济论坛SAS、SPSS统计学讲师，中国学习路径图国际中心技术顾问。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目，具有丰富的数据处理经验常国珍、会计学博士、社会学硕士，毕业于北京大学人口所，目前就读于北大光华管理学院，SAS公司数据挖掘与统计分析课程讲师。曾就职于方正国际金融事业部和长江商学院投资者研究中心。主持过商业银行数据挖掘平台建设、商业银行信用评分模型的构建与固化等商业项目。参与构建的股票量化投资模型被某大型基金公司采纳，并于2013年九月正式发行。金融数量分析基于Matlab编程目前Matlab软件已成为主流的商业数学软件之一，具有强大的数据计算和可视化功能，并且提供了大量现成的函数，广泛地用于数据分析、算法开发等各个方面。近年来Matlab功能不断完善，在各个领域中都显示出了其优势。与其他编程语言相比，利用Matlab语言开发程序操作方便，而且编程效率和计算效率也比较高。 据统计，很多Matlab用户都没有很强的数学或者计算机背景，对于这部分人群最大的需求就是如何能快速学会并掌握Matlab的操作及应用。Matlab培训班正是基于这种现状，从最