Boken 'Tidy Finance with R' gir en grundig innføring i hvordan man kan anvende teoretiske konsepter fra finans og økonometri i praktisk databehandling. Den retter seg spesielt mot bruk av R for koding og dataanalyse, og veileder leseren gjennom hele forskningsprosessen i empirisk finans fra bunnen av. Forfatterne starter med å forklare prinsippene for ryddige data og koding ved hjelp av tidyverse-pakken, som er en samling verktøy i R for effektiv databehandling. Leserens ferdigheter utvikles gjennom praktisk arbeid med å forberede data fra både åpne og kommersielle datakilder som CRSP, Compustat, Mergent FISD og TRACE, og arrangere disse i en database. Kapitlene er designet for å være selvstendige, noe som gjør det enkelt å hente dataene tilbake i de påfølgende avsnittene. Boken dekker et bredt spekter av empiriske applikasjoner, fra grunnleggende konsepter innen empirisk aktivaprissetting som betaestimering og porteføljesortering, til mer avanserte modeller og maskinlæringsteknikker som faste effekter, klyngefeil, differanse-i-differanse estimater, ridge-regresjon, Lasso, Elastic net, random forests og nevrale nettverk, samt porteføljeoptimalisering. Dette verket er en uvurderlig ressurs for alle som ønsker å kombinere teori og praksis i finansverdenen.
