本书共分为9章。第1章为金融基础知识，给出了金融学的相关术语及其概念，使我们在后续章节的论述中有统一的平台；第2章为金融统计数学基础知识，为后续章节中金融数据分析模型提供了数理基础，省去了我们在浩如烟海的数学世界中查找所需知识的时间；第3章为金融数据可视化与数据性质探索，为后续截面数据和时间序列数据分析奠定基础；第4章、第5章分别从多元统计模型和回归及诊断两个方面探索截面数据的回归分析和检验，使我们对截面数据的分析有初步的了解；第6章至第8章主要围绕常见的金融数据时间序列分析模型展开，由浅入深，从时间序列数据的平稳性检验入手，逐步到建立ARIMA模型、ARCH模型和GARCH模型，使我们了解金融时间序列数据常见模型的建模过程；第9章为R语言应用，介绍了一个数据分析软件，同时给出了R语言的自主学习和成长路径。另外，本教材数据分析结果的复现也可在此找到答案。

第1章 金融基础知识
1.1 金融在经济中的作用
1.2 金融市场
1.3 复利
1.4 资产定价理论
本章小结
课后习题
拓展阅读
第2章 金融统计数学基础知识
2.1 微积分概述
2.2 矩阵知识概述
2.3 概率论知识概述
2.4 随机过程
本章小结
课后习题
拓展阅读
第3章 金融数据可视化与数据性质探索
3.1 金融数据概述
3.2 直方图
3.3 密度估计图
3.4 样本分位数图
3.5 概率图
3.6 案例分析
本章小结
课后习题
拓展阅读
第4章 多元统计模型
4.1 协方差矩阵和相关矩阵
4.2 随机变量的线性函数
4.3 多元正态分布
4.4 多元t分布
4.5 主成分分析
4.6 因子分析
4.7 聚类分析
4.8 判别分析
4.9 案例分析
本章小结
课后习题
拓展阅读
第5章 回归及诊断
5.1 一元线性回归
5.2 多元线性回归
5.3 回归诊断简介
5.4 检验模型假设
5.5 案例分析
本章小结
课后习题
拓展阅读
第6章 时间序列模型
6.1 数据的平稳过程
6.2 协整
6.3 季节效应处理
6.4 案例分析
本章小结
课后习题
拓展阅读
第7章 ARMA模型
7.1 AR模型
7.2 MA模型
7.3 ARMA模型
7.4 ARIMA模型
7.5 案例分析
本章小结
课后习题
拓展阅读
第8章 ARCH/GARCH模型
8.1 ARCH模型
8.2 GARCH模型
8.3 案例分析
本章小结
课后习题
拓展阅读
第9章 R语言应用
9.1 R语言入门
9.2 B语言数据检验与可视化
9.3 金融统计与数据分析的B语言应用
9.4 R语言的自主学习路径
本章小结
课后习题
附录
参考文献