本文目录一览：
- 1、做金融建模需要哪些条件
- 2、什么是金融建模，有什么用？金融学专业是学习数学建模好，还是金融建模好？谢谢。
- 3、金融建模需要学什么
- 4、金融建模分析除了时间序列分析还有什么分析
- 5、为什么协整需要误差修正项
- 6、想学习一般水平的金融建模用什么软件好?
做金融建模需要哪些条件
1、要对金融投资行业感兴趣，这是最最根本的，如果您对此不感兴趣，或者不是很了解，建议您先读读金融建模的相关书籍或者是金融投资理论的书籍(譬如CFA教材)。
2、要有基本的会计基础，即财务分析能力(初级)，模型的勾稽关系是基于三大报表直接的钩稽关系的，各个科目的公司嵌套，最终成为一个能够用数字来说明解释问题的模型。
资金的供给者和需求者不直接见面，而是通过金融机构为媒介体进行的间接资金融通。如银行存款，就是资金供给者把资金存入银行，由银行把资金集中起来贷放给资金需求者，银行充当资金供求的中介，这是现代信用制度下典型的间接融资方式。
扩展资料：
企业金融性投资既可作为公司理财行为，又是企业经营发展战略的重要组成部分。其目的是多方面的：
(1)通过金融投资，为企业闲置资金寻找获取收益的机会。
(2)通过金融投资，分散企业经营风险。
(3)通过金融投资，提高资产的流动性，增强企业的偿债能力。
(4)对企业来说，金融投资既可用作套期保值又可用作投机牟利。
(5)金融投资还是实现企业扩张的重要手段。一家企业或公司的经营是否成功，其标志之一是看其是否在经营过程中获得了发展，而发展的具体体现包括了向外的扩展，这就是兼并、收购其他企业，并进行公司重组。
参考资料来源：百度百科-金融投资
什么是金融建模，有什么用？金融学专业是学习数学建模好，还是金融建模好？谢谢。
金融建模可看做数学建模的一个前延分支,可以让你的思维更严谨，学数学建模比较好
金融建模需要学什么
一句话概括Financial Model就是加减乘除四则运算计算一个时间段内的各种参考数值(比如常用的各种index)，用来给投资分析师写报告或者调研时参考用。
不过不是只有四则运算就很简单很low，背后其实涉及了很多逻辑判断、汇率转换、时间时差转换、每个时间点对应的值存储。
有人曾将建模形象地比作"蒸馏咖啡"的过程：
咖啡豆是"10K/10Q/SEC Fillings";
研磨工具为Excel表格等软件或语言;
浓萃精华为最终的Thesis，即投资观点。
因此，一杯好喝的"金融咖啡"，不仅需要优良的咖啡豆，还需要给力的研磨工具，方能得到一份精致的浓萃精华，来做出这样一杯满意的咖啡。1. 最基本的三张财务报表：利润表、资产负债表、现金流量表(历史+未来预测)
2. 为了完成对公司业绩的预测，还要对公司所处的市场规模以及公司未来的表现进行预测：
3. 在回报倍数(X_Cal那一页)的计算中，用到各类DCF或者PE Comparable等常用的模型。下图是另外两个实战的模型，利用WACC和DCF等等去估值一个公司的价值。
4. 敏感性分析：针对投资人最关心的两大指标(回报倍数和IRR)，基于各种最重要的场景进行敏感性分析，包括：投资方式(股权?债券?混合?)、资产注入的不同形态、未来的PE以及未来的EPS等等。
5. 在个别复杂的情况，还需要针对Equity或者Loan的不同Class或者Tranche进行拆分然后具体的分析。
6. 交易员有时候也会拿Excel来做各种金融产品的价格估算和交易执行策略的安排，虽然看起来简单，但是后台对接着庞大的Bloomberg各类接口以及各大牛逼码农开发的各类超级接口和复杂的后台逻辑。
金融建模分析除了时间序列分析还有什么分析
趋势分析。根据查询金融建模分析的相关资料得知，金融建模分析除了时间序列分析还有趋势分析。该书阐释金融学的一些主要模型以及使用excel和vba构建这些模型的方法，这些模型涉及固定收益证券，组合投资管理，资产定价和风险管理等多个领域。
为什么协整需要误差修正项
一、协整检验及误差修正模型的简介
传统统计方法和计量经济学模型主要是针对平稳时间序列来进行处理的，而对汇率和股价数据进行研究时，通常假设这些数据和产生这些数据的随机过程是平稳过程。所谓平稳过程是指，如果一个随机过程的均值和方差在时间过程上都是常数，并且在任何两时期之间的协方差仅仅依赖于该两时期间的距离，而不依赖于计算这个协方差的实际时间。但是，这些数据并不具有平稳过程的特征，用传统方法进行分析会出现极不真实的结果或所谓虚假回归（Spurious Regression）。当仅若干个非平稳变量具有协整关系时，由这些变量建立的回归模型才有意义，所以协整性检验也是区别真实回归和虚假回归的有效方法。今天在动态计量模型中，稳定性以及协整检验是日常使用的必不可少的工具。协整分析已被证明在下述环境下特别有价值，即短期动态受随机扰动的影响巨大而长期变化却要同时受制于各种均衡经济关系。
协整分析是针对非平稳时间序列，通常是单整时间序列来进行的。一般情况下，将一个单整序列对另一个单整序列进行回归可能会导致荒谬的结果，因为传统的显著性检验说明变量之间的关系事实上是不存在的，这就是为什么要对变量进行单整检验的原因。如果要对单整序列进行回归，可行的方法是对它进行差分，但差分会导致两个变量之间的长期关系的损失。而协整分析则可以很好地利用这些信息。通过协整分析可以检验变量之间是否存在稳定的长期关系。实际上，如果存在长期稳定的关系，说明变量之间的关系可以用相应的经济理论来解释，所以对变量的协整检验就是对经济理论正确性的检验。
对汇率而言，主要是检验它与其他经济变量之间是否存在稳定的关系，因为虽然事实检验说明汇率及GDP、物价指数等变量都是单整时间序列，但经济理论特别是汇率决定理论告诉我们这些变量之间有着很大的联系，是相互影响的，所以有必要对汇率与其他经济变量如股价进行协整关系的检验。
Engle－Granger（1987）对向量时间序列中的协整关系进行了统计描述。在以后的10多年里经过Hendry（1989），Granger（1986，1995），Johansen（1988～1991），Philips－Perron（1988），Philips（1986～1994）等人的发展和完善，协整建模的理论和方法已日趋成熟，在非平稳向量时间序列的建模实践中得到了广泛的应用。协整分析描述了多变量时间序列中分量之间的长期线性均衡关系，协整建模的出发点是变量的数据生成过程，如果向量时间序列中的每一分量都是单整的，但这些分量序列的某个线性组合是一个平稳序列，那么这些分量序列就是协整的。所以向量时间序列之间的协整关系反应了变量之间的长期均衡关系，并通过误差修正模型（ECM）调整短期内各变量对长期均衡关系的偏离。协整分析的对象是所谓的单整序列，在进行序列的协整分析前，必须首先对序列进行单位根检验。其检验方法很多，最常用的是DF、ADF检验。DF、ADF检验是由Dickey和Fuller（1979，1980）提出的单位根检验方法。
（一）单整的DF检验
考虑典型的非平稳序列——随机游动模型:

其特征多项式:f（λ）＝1－λ有单位根λ＝1
这样，时间序列｛xt｝的单位根检验相当于下面线性回归中的显著性检验:

若拒绝H0，则称xt没有单位根，此时，xt是平稳的；否则，称xt有单位根，此时，xt是非平稳的，至少为1阶单整I（1）。
由于在H0成立时，xt是非平稳的，因而此时进行回归系数显著性检验所用的t统计量即使在大样本的情形，也不服从t分布。为此，Dickey和Fuller提出了以他们的名字命名的DF检验。检验用的统计量即为常规的t统计量，称之为τ统计量。其临界值则由模拟得到。因为τ的临界值为负值，参数δ的估计量一般为负，其t统计量也为负。所以，统计量小于临界值相当于其绝对值大于临界值的绝对值。这样，若τ＜临界值，则拒绝H0；否则，不拒绝H0。
通过了1阶单整检验后，再建立如下方程:

进行同样过程的检验，如果通过检验，则序列xt至少为2阶单整I（2）……直到不能通过检验为止。通过该检验，同时也就确定了序列xt的单整的阶数。
DF检验常考虑以下形式的线性回归。
若随机扰动项εt没有自相关，则取回归:
模型1:（无常数项）

模型2:（有常数项）

模型3:（有常数项并加入时间趋势项）

零假设为H0:δ＝0（即ρ＝1）
（二）单整的ADF检验
在DF检验中，由于不能保证方程中的εt是白噪声，所以也不能保证得到的δ的估计值是无偏的。于是Dickey和Fuller对DF检验进行了扩充，形成了ADF（Augment Dickey－Fuller）检验，这是目前普遍应用的单整检验方法。
在ADF检验中，为了保证方程中的εt是白噪声，在方程右边加了一些滞后项。于是单位根检验的回归方程分为模型1（无常数项）、模型2（有常数项）、模型3（有常数项并加入时间趋势项）三种。

实际检验时从模型3开始，然后模型2、模型1，何时检验拒绝零假设，即原序列不存在单位根，为平稳序列，何时检验停止。注意，这里的零假设为H0:δ＝0。在对模型1，2，3进行检验时，有各自相应的临界值表。
（三）协整（Cointegration）
1.定义及意义
如果序列X1t，X2t，…，Xkt都是d阶单整，存在一个向量α＝（α1，α2，…，αk），使Zt＝αXt′～I（d－b），其中，b＞0，Xt′＝（X1t，X2t，…，Xkt）′，则认为序列X1t，X2t，…，Xkt是（d，b）阶协整，记为Xt～CI（d，b），α为协整向量。
由此可见，如果两个变量都是单整变量，只有当它们的单整阶相同时，才可能协整。协整的经济意义在于:两个变量，虽然它们具有各自的长期波动规律，但是如果它们是协整的，则它们之间存在着一个长期稳定的比例关系。反过来，如果两个变量，具有各自的长期波动规律，但是它们不是协整的，则它们之间就不存在着一个长期稳定的比例关系。
2.协整的检验—Engle－Granger检验
为了检验两变量Yt、Xt是否为协整，Engle和Granger于1987年提出两步检验法，也称为EG检验。
第一步，用OLS方法估计下列方程:

得到:

称为协整回归。
第二步，检验e＾t的单整性。如果e＾t为稳定序列，则认为变量Yt，Xt为（1，1）阶协整；如果e＾t为1阶单整，则认为变量Yt，Xt为（2，1）阶协整……。检验e＾t的单整性的方法即是上述ADF检验。
3.Johansen的协整检验法
E－G两步法简单有效，而且理论上又可以得到一致的估计量，所以得到了广泛的运用。但是该方法只适用于存在一个协整关系的系统，对于多个协整关系的检验和估计就无能为力了，这时Johansen（1988，1991）的似然比检验就有用得多了。Johansen的协整检验法是基于P阶向量自回归（VAR）模型:
这里T是可用的观察值的数目；εt独止同分布，且每个εt是均值为零，方差为Λ的P维高斯过程。令Δ＝1－L，这里L为滞后算子，可将方程（4－14）表示为一阶差分形式:


若不考虑∏Xt－k，方程（4－15）就是传统的一阶差分VAR模型。系数矩阵∏包含了以数据向量形式表示的变量之间的有关长期联系的信息，共有三种可能:①Rank（∏）＝P，即矩阵∏满秩，表示向量过程是平稳的。②Rank（∏）＝0，即矩阵∏是零矩阵，方程（4－16）相当于传统的差分向量时间序列模型。③Rank（∏）＝r＜P，隐含着存在p×r矩阵α和β，使∏＝αβ′。协整向量β具有如下性质:即使Xt自身是非平稳的，β′Xt也是平稳的。
矩阵∏的秩等于独立的协整向量的个数。Johansen检验就是在假设H2:∏＝αβ′下，通过检验矩阵∏的特征根的显著性，确定出协整向量个数。检验步骤如下:
（1）进行辅助回归，得出两个残差矩阵，即将ΔXt对ΔXt－1，…ΔXt－K＋1，1回归，得残差R0t；Xt－K对ΔXt－1，…ΔXt－K＋1，1回归，得残差Rkt。定义残差的乘积矩阵为:

（2）解如下方程:｜λSkk－｜＝0（4－18）
（3）应用两个检验统计量:p

第一个统计量λtrace用来检验协整向量个数小于等于r的零假设，备择假设为协整向量个数大于r；第二个统计量λmax（r│r＋1）用来检验协整向量等于r的零假设，备择假设为协整向量个数为r＋1。
（四）误差修正模型（ECM）及向量误差修正模型（VEC）
误差修正模型（Error Correction Model）是一种具有特定形式的计量经济学模型。为了便于理解，下面通过一个具体的模型来介绍它的结构。
对于（1，1）阶自回归分布滞后模型:

移项后得到方程（2）即为误差修正模型。其中:

为误差修正项，或协整式。
想学习一般水平的金融建模用什么软件好?
建模软件有spss、Eviews、stat、sas、R软件等等
其中spss比较普遍，Eviews适合时间序列方面的数据，stat和sas可能一些公司会使用（适合英语较好的人群），R软件比较贵一般不常用。
使用spss时，辅助的软件还有MatlAB，Lingo等用编程的方式来计算一些庞大的数据。
希望对您有所帮助哦~
（注：spss、spss clementine和Eviews我有安装包，您也可以网站上直接下载~）