財務時間序列分析R 線上附錄 資料說明
想自己重算，可以從頁首下載 R Markdown 與執行結果。所有實證例都使用隨書提供的固定資料； 檔案來源、變數單位與已知限制請見資料來源與重現說明。

《財務時間序列分析》線上附錄

實證資料來源與固定版本

本書的實證分析沿用「財務時間序列分析」課程實際使用的資料，並整理成十個可直接執行線上附錄的 CSV。檔案放在 data/processed/；同一目錄下的 manifest.csv 記錄每份檔案的列數、欄數與 MD5。如果讀者算出的結果與書中不同，可以先從這三項資訊確認是否讀到同一版本，再檢查排序、缺值處理與模型設定。

網站隨附哪些資料？#

網站隨附十個實證 CSV、資料字典、來源說明、R Markdown、執行結果（Markdown）與圖表，讓讀者可以重跑書中的分析並比較輸出。下載區只包含本書使用的教材與固定資料，不含原課程的學生或行政紀錄。

部分欄位來自 FRED、Kenneth French Data Library、global-q、Welch–Goyal 與 Ruey S. Tsay 教科書網站，其餘則保留自原課程工作檔。下文整理目前可以確認的來源與轉換方式。固定版本說明了書中數值如何得到，原始供應者的變數定義與使用條款仍以來源網站的最新說明為準。若資料沒有留下完整的來源版本資訊，本書只解讀現存固定快照可以支持的結果，不主張能從目前的上游資料完整重建。

資料來源與版本（查閱日：2026-07-16）#

  • FRED 匯率：資料來自美國聯邦準備理事會（Board of Governors of the Federal Reserve System）的 H.10 Foreign Exchange Rates，包括 DEXJPUS 與 DEXTAUS。官方頁將兩者分別定義為一美元可兌換的日圓數與新臺幣數；資料頻率為日資料，未經季節調整，並標示「Public Domain: Citation Requested」。本書保存 2020-01-02 至 2022-12-16 的 FRED CSV 回傳值。
  • Tsay 教科書資料：Ruey S. Tsay, Analysis of Financial Time Series, 3rd ed. 的 官方配套資料頁，以及原課程程式指定的三個檔案：d-msft8608.txt、m-5clog-9008.txt 與 m-barra-9003.txt。
  • Fama–French 與十產業：資料取自 Kenneth R. French Data Library 的 Fama/French 3 Factors 與 10 Industry Portfolios。該網站說明 CRSP 的月報酬資料自 2025 年起由 FIZ 改為 CIZ；這次變更牽涉資料格式與月報酬累積方式，因此新版序列可能和舊快照不同。本書固定使用原課程截至 2021-11 的工作快照，不把今日重新下載的值視為同一版本。現有快照沒有保留每月因子的發布日，也不足以用當時的成分股與權重重新建構投資組合。
  • global-q：原課程的 fffqmacro.R 指向 2021 版 q5 monthly CSV；因子定義與百分比單位可參考 global-q technical document。本書使用 ME、IA、ROE 與 EG 四欄，合併資料時再將百分點除以 100，改成小數尺度。
  • Welch–Goyal 總體預測變數：原課程依 Tidy Finance 建檔流程 讀取 Amit Goyal 公開工作簿的 Monthly 工作表，再建立 dp、dy、ep、de、tms 與 dfy 等欄。本書固定使用原課程 2021 年的工作版本；它不是 2026 年重新下載的最新資料版本。
  • 加州學校資料：原課程依 Stock and Watson, Introduction to Econometrics, 4th ed., Chapter 14 的學校與學區資料及變數表整理；原作者的 第四版資源頁 提供課程資料下載。本書用這份資料示範 PCA、高維控制、雙重選擇與 DML；學校或學區識別碼不作為連續解釋變數。
  • 日本月資料、S&P 價格長表與臺灣 ICAPM：三者均保留自原課程資料夾。日本檔沒有留下可確認的原始供應者與資料版本；S&P 價格長表只保留課程工作檔，沒有完整的版本紀錄；臺灣案例則只保留匿名化的第二階段資料。相關附錄會分別說明這些缺口，並把結論限於固定資料版本實際能支持的範圍。

固定資料與用途#

固定檔 樣本與用途 課程來源／處理重點
aapl_adjusted_daily_2019_2022.csv 875 個交易日；價格、報酬、ARMA、GARCH／GJR 原 S&P 500 價格檔中的 AAPL，2019-01-02 至 2022-06-22；報酬依日期排序後計算
msft_daily_returns_1986_2008.csv 5,752 筆日簡單報酬；描述統計、厚尾與常態性 Tsay 教科書網站 d-msft8608.txt；原課程第 2 講
fred_jpy_twd_daily_2020_2022.csv JPY/USD、TWD/USD、TWD/JPY 與交叉匯率對數報酬；ARMA、單根、預測評估 FRED DEXJPUS、DEXTAUS，2020-01-02 至 2022-12-16；交叉匯率定義為 TWD per JPY
tsay_five_stock_monthly_returns_1990_2008.csv IBM、HPQ、INTC、JPM、BAC 月對數報酬；PCA Tsay 範例 9.2，m-5clog-9008.txt
tsay_barra_monthly_returns_1990_2003.csv 十家公司月報酬；統計因子分析 Tsay 範例 9.4，m-barra-9003.txt
california_schools.csv 3,932 所學校、110 欄；高維 PCA、正則化、雙重選擇 原課程 str_pca 實作；欄位定義見 DATA_DICTIONARY.md 與課程變數表
sp500_returns_balanced_2013_2022.csv 2,384 日、89 檔股票；PCA、共同因子與樣本外重建 原 S&P 500 長表；先在每一股票內取落後值，再取共同交易日，修正舊程式跨股票 lag() 問題
japan_monthly_2007_2018.csv 133 月、30 欄；LASSO、VAR、共整合與局部投影 原課程日本總體金融資料與十年期公債殖利率；日期轉為 ISO 並依時間排序
ff_qf_macro_industries_1967_2021.csv 659 月、十產業，合計 6,590 列；資產定價與金融因子選擇 原課程合併 Fama–French、global-q、Welch–Goyal 總體預測變數與十產業組合
taiwan_icapm_second_stage_47x497.csv 47 家公司、497 日；固定效果與條件共變數的第二階段案例 原課程 datICAPM3.R；目前檔案可重算第二階段，第一階段 DCC/PQR 則缺少原始資料與估計流程

如何重建固定資料？#

從教科書專案根目錄執行：

Rscript code/build_empirical_data.R

這支程式會讀取原課程資料檔，以及 data/source_snapshots/ 中保存的 FRED／Tsay 下載快照；確認必要欄位與資料維度後，再建立十個 CSV 和 manifest.csv。完整重建仍需要原課程工作目錄中的來源檔，一般讀者可以直接使用網站隨附的固定 CSV 執行附錄，不必另行取得原始工作路徑。

解讀結果前要先掌握的限制#

  • 固定檔讓讀者重算「這個版本」的數值；變數定義是否適合研究問題、識別假設是否成立，仍須另外判斷。
  • 臺灣 ICAPM 檔只有第二階段共變數與報酬，因此相關附錄能重算的是第二階段分析。
  • FRED 交叉匯率依報價單位命名；TWD per JPY 表示一日圓可兌換的新臺幣數，解讀時不可倒置方向。
  • 資產報酬、總體變數與學校資料的迴歸，在沒有額外識別設計時，應解讀為條件關聯或預測關係。
  • R14 可以確認因子欄的月份標籤與固定快照，卻無法得知每個歷史時點的實際發布日與當時可得版本。因此，該頁是在明示可得性假設下進行擬樣本外評估，不能直接視為即時交易回測。
© 陳釗而　《財務時間序列分析》