本课程主要讲解包括 R 语言的基本数据结构 ， tidyverse 生态 ， 以及一些用R解决实际问题的案例。属于 R 语言小白入门基础课程，难度简单。十分适合想要学习 R 语言的同学进行入门学习。

本实验将试图使数据遵循一种模式，在此模式中，一个或一系列事件可以通过一致的方式预测另一个数据点。首先，通过使用 eclat 函数查找数据集模式，以便寻找人口中的相似模式。接着，使用 TraMineR 查找购物篮中的项目频集。使用 apriori 规则确定购物篮中的项目关联。使用 TraMineR 确定成年人职业转换期的序列，并通过序列数据可用的大量图形特征将其可视化。最后，用 seqdist 检查序列之间的相似点和不同点。本实验源来自异步社区的《数据科学：R语言实战》第2章，感谢异步社区授权实验楼发布。

本课程介绍 ggplot2 package 的基本思想和图形语法，以及如何使用它作出优雅的散点图、线图、柱状图等基础图形，属于数据可视化的入门课程。

本实验将通过一些特定应用来介绍一些常用建模技术。我们考虑如何在 R 中存储和处理时间序列。接着，我们处理线性时间序列分析，并展现如何将它用于建模和预测房屋价格。其次，我们通过考虑长期趋势，最后使用协整的概念来改进基本的最小方差对冲比。本实验源来自异步社区的《量化金融R语言初级教程》第1章 ，感谢异步社区授权实验楼发布。

本实验将以故事的形式展开对商业街调查问卷的设计进行分析和学习。我们在是实验中首先会进行数据的录入，然后利用管道处理技术来列联表，接着进行独立性检验，最终通过图表的形式得到我们需要的调查问卷。本实验源来自图灵教育的《菜鸟侦探挑战数据分析》第3章，感谢图灵教育授权实验楼发布。

本实验我们将快速浏览R中的多种数学、统计和字符处理函数。为了让这一部分的内容相互关联，再通过引入一个能够使用这些函数解决的数据处理问题。在讲解过这些函数以后，为这个数据处理问题提供一个可能的解决方案。最后讲解如何自己编写函数来完成数据处理和分析任务。本实验源自图灵教育的《R语言实战（第2版）》第5章，感谢图灵教育授权实验楼发布。

介绍如何使用 tidyr package 整理/重塑数据（tidy/reshape data），以及如何使用 dplyr package 进行数据转换（data transformation），属于数据分析的基础课程。

本实验将介绍金融资产收益率的概念，解释为什么收益率（尤其是对数收益率）是金融市场分析最偏爱的指标。然后我们涉足实务层面，我们将知道从哪里可以获取金融数据、金融中常用的 R 工具包有哪些。有了这些基础之后，再用 R 进行实验操作，从多种不同的角度来观察和描述资产收益率序列的特征，这些特征在金融市场分析中具有重要意义。

本实验是在马科维兹投资组合模型的基础上，进一步讨论资产定价模型（capital asset pricing model），依据投资组合模型计算的有效前沿，加入无风险投资因素，构建资本市场线，估计贝塔系数，最终得出资本定价模型。

从 2000 年的科技股泡沫，到 2008 年的次贷危机，我们看到了金融风险对全球经济强大的破坏力。 金融风险是什么？如何度量它？我们可以为它做哪些准备？金融风险管理系列课程将对这些问题做出解答。 通过系列课程的学习，你将： 1. 读懂上市公司或商业银行信息披露中的风险指标 2. 计算你所购买的投资组合的在险价值，对投资风险的大小进行评估 3. 对计量模型和 R 语言的运用有更深的理解

本实验主要是以投资组合问题中的马科维兹模型为核心进行讲解和实验。马科维兹提出的“均值-方差组合模型”以个别股票收益率的均值和方差找出投资组合在一定收益水平下方差最小的投资组合。通过本实验的学习读者可以熟练的运用 R 语言中的程辑包简单、快速地搭建起马科维兹模型并且在 Mean-Variance 方法上构造出有效前沿以及对马科维兹模型有更深一层的认识和理解。

本实验主要介绍了方差分析中的单因素方差分析和双因素方差分析的方法，探讨了一个因素和多个因素对实验结果的的观测值是否有显著性的影响，其中主要运用到了aov()函数来进行ANOVA 模型拟合以及相应的方差分析。然后，根据假设检验原理，用到了均值的多重检验和方差其次性检验的方法验证假设结果。最后，读者可以独立的将方差分析运用在数理统计中去。

本实验主要讨论了主成分分析（PCA）和探索性因子分析（EFA）两种多元统计分析，这两种方法表面上有很多相似指出，都是一种降维的统计方法。主成分分析主要是把多个变量化成少数几个主成分，而因子分析则是将多个变量综合为少数几个因子，再现原始变量和因子间的相关关系。在实验中我们通过 R 语言来学习这两种分析方法，并运用在银行财务数据的分析上。

正态性检验用于研究数据的正态性统计特性；平稳性检验用于研究时间序列稳定性。本实验运使用Kolmogorov-Smirnov 检验、Lilliefor 检验、Cramer-von Mises 检验、Anderson-Darling 检验Pearson 卡方检验、Shapiro-Francia 检验、Shapiro-Wilk's检验、D'Agostino检验、jarque-Bera 检验以及绘制 QQ 图等方法来检验正态性。同时也通过绘制简单的时序图、ACF图、DF检验、ADF检验、PP检验来实现数据的平稳性。

本实验主要任务是根据已掌握的１批分类明确的样本数据，建立好判别函数，选择使产生错判的事例最少的模型，进而对给定的待判样本，判断它来自哪个总体。根据不同的判别准则，可以分为距离判别、贝叶斯判别和费歇儿判别。实验首先简单介绍了每种判别方法的判别准则函数，然后通过自编函数对判别函数进行实现，接着测试每种方法的判对率，选择出最适合的模型，最后，根据前面的学习运用线性判别对股票数据的涨跌情况进行再次预测。

VAR模型是向量自回归模型的简称，是基于数据的统计性质建立的一种常用的计量经济模型，VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。本实验运用R语言来建立两变量的向量自回归模型，首先是检验两变量序列的平稳性，然后进行协整检验，确定滞后阶数，再拟合VAR模型，最终对拟合的VAR模型进行模型的预测。通过本实验学会用VAR模型处理多个相关经济指标的分析与预测。

本实验通过国民人均年消费支出的相关数据来对聚类分析进行学习，首先通过距离公式认识聚类的基本概念，然后通过两大热门的聚类方法进行实验，主要介绍了系统聚类和划分聚类，其中系统聚类包括了最短距离、最长距离、类平均、重心和 ward 这五种方法，划分聚类主要介绍了 K 均值法和基于中心的划分方法的实验过程。最后，读者通过实验就能对比出每一种聚类方法的优劣之处。

利用hawkes process对高频交易的订单流数据进行建模，观察不同订单之间的关系以及整体的动力学。

本实验主要探讨了几种时间序列的预测模型，首先带领大家对时间序列有一个初步的认识，再在这个基础之上，向读者介绍当下最常用的 ARIMA 模型来预测时间序列，接着为读者展示几种指数平滑的方法来预测，最后通过几种模型的对比，让大家可以从中选择出一个最佳的模型来实现预测。

GARCH模型是对金融数据波动性进行描述的方法，为大量的金融序列提供了有效的分析方法，它是迄今为至最常用的、最便捷的异方差序列拟合模型。本次实验运用R语言利用上海证券综合指数进行GARCH模型的分析，包括计算股票指数的收益率，实现收益率的可视化 ，计算一些基本统计量，绘制股指收益率的ACF和PACF图，检验收益率序列的ARCH效应，估计GARCH模型以及标准化残差分析等。最终通过本次实验检验股票指数的GARCH效应，了解股票市场上的波动聚集效应。