کتاب «مقدمهای بر اقتصادسنجی مالی - جلد اول: تجزیه و تحلیل دادهها در علوم مالی» نوشته پرفسور کریس بروکز برای گروههای زیر مفید و کاربردی است:
1. دانشجویان: کتاب برای دانشجویان در سطوح مختلف تحصیلی مانند کارشناسی، کارشناسی ارشد، و MBA که در رشتههای مالی، اقتصاد مالی، اوراق بهادار، سرمایه گذاری، حسابداری و مدیریت مالی تحصیل میکنند، مناسب است.
2. محققان: افرادی که در حوزه تحقیقات مالی و اقتصادسنجی فعالیت دارند و به دنبال ابزارها و تکنیکهای آماری مدرن برای تجزیه و تحلیل دادهها هستند.
3. تحلیل گران مالی: افرادی که در بازار سرمایه، بانک ها، موسسات مالی و سایر نهادهای مرتبط با مالی فعالیت دارند و نیاز به استفاده از تکنیکهای اقتصادسنجی در تجزیه و تحلیل دادهها دارند.
4. استادان و مربیان: افرادی که در دانشگاهها و موسسات آموزشی دروس مرتبط با اقتصادسنجی مالی، تجزیه و تحلیل سریهای زمانی و موضوعات مشابه را تدریس میکنند.
5. کاربران نرمافزار Eviews: با توجه به تاکید کتاب بر استفاده از نرمافزار Eviews برای اقتصادسنجی، افرادی که قصد دارند با این نرمافزار کار کنند یا دانش آن را گسترش دهند، میتوانند از این کتاب بهرهمند شوند.
6. افراد علاقهمند به علوم مالی: افرادی که بدون داشتن پیش زمینه تخصصی، به دنبال فهم بهتری از جهان مالی و اقتصادسنجی مالی هستند، میتوانند از این کتاب استفاده کنند.
در نهایت، این کتاب با ترکیبی از تئوری و کاربرد عملی، یک منبع جامع و کاربردی برای همه کسانی است که به دنبال فهم بهتر و استفاده از اقتصادسنجی در علوم مالی هستند.
دنیای مالی، پر از داده ها، آمار و تجزیه و تحلیلهای پیچیده است. در این میان، دانش و توانمندی در اقتصادسنجی مالی یکی از ابزارهای کلیدی است که به تحلیل گران مالی کمک میکند تا به بهترین شکل ممکن از این دادهها استفاده کنند. کتاب «مقدمهای بر اقتصادسنجی مالی - جلد اول: تجزیه و تحلیل دادهها در علوم مالی» نوشته پرفسور «کریس بروکز» یک منبع ارزشمند در این زمینه به حساب میآید.
کتاب حاضر، نه تنها یک منبع آموزشی برای دانشجویان در سطوح مختلف تحصیلی است، بلکه یک راهنمای کاربردی برای محققان و کارشناسان مالی که با دادهها و تجزیه و تحلیلهای مالی سروکار دارند نیز محسوب میشود. ویژگی متمایزکننده این کتاب، به کارگیری رویکرد کاربردی و استفاده از نرمافزار Eviews است که به خوانندگان کمک میکند تا به صورت قدم به قدم با فرآیندهای اقتصادسنجی مالی آشنا شوند.
در این کتاب، پرفسور بروکز نه تنها موضوعات پایهای اقتصادسنجی را پوشش میدهد، بلکه به بررسی موضوعات پیچیدهتری نظیر مدلهای چند متغیره، دادههای پانل و مدلسازی سریهای زمانی میپردازد. همچنین، توجه وی به مفروضات مدل رگرسیون خطی کلاسیک و آزمونهای تشخیصی، این امکان را برای خواننده فراهم میکند تا با تجزیه و تحلیلهای رایج و پیچیدگیهای آن در دنیای مالی آشنا شود.
این کتاب یکی از نخستین منابع بر این موضوع به زبان فارسی است که به طور جامع به مباحث اقتصادسنجی مالی پرداخته است. به دلیل استفاده از رویکرد کاربردی، این کتاب میتواند به دانشجویان و محققان در حوزههای مختلف مالی، حسابداری، اقتصاد و حتی مدیریت بازرگانی و صنعتی کمک کند.
در نهایت، کتاب «مقدمهای بر اقتصادسنجی مالی» نه تنها به عنوان یک منبع درسی، بلکه به عنوان یک راهنمای کاربردی برای همه آنهایی که میخواهند در جهان پیچیده و چالش برانگیز مالی با استفاده از دادهها و تحقیقات تجربی به تصمیم گیریهای بهتر و مستندتر بپردازند، ارزشمند است.
سطح معنی داری دقیق عموما به p-value (مقدار پی یا پی مقدار) مشهور است که بیانگر سطح معنی داری بحرانی است؛ یعنی جایی که ما نسبت به رد یاعدم رد فرضیه صفر بیتفاوت هستیم مقدار مطلق آماره آزمون بزرگ باشد، p-value کوچک خواهد بود و بالعکس. به عنوان مثال فرض کنید یک آماره آزمون که به صورت ۴۲ توزیع شده و مقداری برابر ۱.۴۷ دارد، آیا بر اساس این آماره، فرضیه صفر رد خواهد شد؟ پاسخ به اندازه آزمون بستگی دارد. حال اگر p-value محاسبه شده این آماره آزمون برابر با ۱۲ باشد، آیا فرضیه صفر در سطح ۵ رد میشود؟ خیر. آیا فرضیه صفر در سطح ۱۰ رد میشود؟ خیر. آیا فرضیه صفر در سطح ۲۰٪ رد میشود؟ بلی
در واقع فرضیه صفر در سطح معنی داری ٪۱۲ و یا بیشتر رد خواهد شد. در صورت اجرای یکسری آزمون با اندازه ۰.۱؛ ۱۰.۲ / ۰.۳؛ / ۱۰۰۴؛ ٪۵ و… نهایتا مقدار بحرانی و آماره آزمون برابر میشود که اندازه آزمون مورد نظر (p-value) خواهد بود. p-value همواره به صورت خودکار توسط نرمافزار مورد استفاده محاسبه میشود. p-value تمامی اطلاعات مورد نیاز پژوهشگر را برای انجام آزمون فرضیهای بدون محاسبه آماره آزمون یا پیدا کردن مقادیر بحرانی از جدول ارائه مینماید. همچنین استفاده از p-value به لحاظ عدم نیاز به انتخاب یک سطح معنی داری قراردادی (a) سودمند است و به عبارتی تحلیل حساسیت اثر سطح معنی داری به صورت خودکار انجام میشود. p-value به احتمال خطا در رد فرضیه صفر اشاره دارد؛ بنابراین به عنوان مثال، اگر p-value برابر با ۰.۰۵ و یا کمتر باشد، پژوهشگر فرضیه صفر را رد میکند. در سطح معنی داری ۵٪ و به این معنی است که اگر احتمال رد نادرست فرضیه صفر بیش از ۵٪ باشد، فرضیه صفر رد نمیشود. همچنین p-value نشان دهنده میزان معقول بودن فرضیه صفر است؛ بنابراین در مقادیر کوچکتر p-value فرضیه صفر با احتمال کمتری پذیرفته میشود.