本文關(guān)鍵詞：金融時(shí)間序列分析，由筆耕文化傳播整理發(fā)布。

編輯推薦

書中提供了豐富的S-Plus代碼，可供讀者實(shí)踐學(xué)習(xí)。

《金融時(shí)間序列分析(第2版)》全面闡述了金融時(shí)間序列，并主要介紹了金融時(shí)間序列理論和方法的當(dāng)前研究熱點(diǎn)和一些最新研究成果，尤其是風(fēng)險(xiǎn)值計(jì)算、高頻數(shù)據(jù)分析、隨機(jī)波動率建模和馬爾科夫鏈蒙特卡羅方法等方面。此外，《金融時(shí)間序列分析(第2版)》還系統(tǒng)闡述了金融計(jì)量經(jīng)濟(jì)模型及其在金融時(shí)間序列數(shù)據(jù)和建模中的應(yīng)用，所有模型和方法的運(yùn)用均采用實(shí)際金融數(shù)據(jù)，并給出了所用計(jì)算機(jī)軟件的命令。較之第1版，本版主要在新的發(fā)展和實(shí)證分析方面進(jìn)行了更新，新增了狀態(tài)空間模型和Kalman濾波以及S-Plus命令等內(nèi)容。
《金融時(shí)間序列分析(第2版)》可作為時(shí)間序列分析的教材，也適用于商學(xué)、經(jīng)濟(jì)學(xué)、數(shù)學(xué)和統(tǒng)計(jì)學(xué)專業(yè)對金融的計(jì)量經(jīng)濟(jì)學(xué)感興趣的高年級本科生和研究生，同時(shí)，也可作為商業(yè)、金融、保險(xiǎn)等領(lǐng)域?qū)I(yè)人士的參考書。

Ruey S，Tsay（蔡瑞胸），美國芝加哥大學(xué)布斯商學(xué)院經(jīng)濟(jì)計(jì)量及統(tǒng)計(jì)學(xué)的H G．B．Alexande r講席教授。1 982年于美國威斯康星大學(xué)麥迪遜分校獲得統(tǒng)計(jì)學(xué)博士學(xué)位。中國臺灣“中央研究院”院士，美國統(tǒng)計(jì)協(xié)會和數(shù)理統(tǒng)計(jì)學(xué)會的會士，Journal of Forecastin9的聯(lián)合主編，Journal of FinancialEconometrics的副主編。曾任美國統(tǒng)計(jì)學(xué)會商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)分會主席、《商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)》期刊主編。

　　“一本相當(dāng)精彩的書！同它失之交臂將是所有從事時(shí)間序列分析研究的人的重大損失。”
　　——《統(tǒng)計(jì)計(jì)算與模擬》雜志
　　“本書對金融時(shí)間序列進(jìn)行了完美闡述。對于既要充實(shí)理論概念又要豐富實(shí)際應(yīng)用體驗(yàn)的人來說，這是一部寶典！”
　　——美國數(shù)學(xué)協(xié)會

第1章 金融時(shí)間序列及其特征 1
1.1 資產(chǎn)收益率 2
1.2 收益率的分布性質(zhì) 6
1.2.1 統(tǒng)計(jì)分布及其矩的回顧 6
1.2.2 收益率的分布 11
1.2.3 多元收益率 15
1.2.4 收益率的似然函數(shù) 15
1.2.5 收益率的經(jīng)驗(yàn)性質(zhì) 16
1.3 其他過程 17
練習(xí)題 20
參考文獻(xiàn) 20

第2章 線性時(shí)間序列分析及其應(yīng)用 21
2.1 平穩(wěn)性 21
2.2 相關(guān)系數(shù)和自相關(guān)函數(shù) 22
2.3 白噪聲和線性時(shí)間序列 26
2.4 簡單的自回歸模型 28
2.4.1 AR模型的性質(zhì) 28
2.4.2 實(shí)際中怎樣識別AR模型 35
2.4.3 擬合優(yōu)度 40
2.4.4 預(yù)測 41
2.5 簡單滑動平均模型 43
2.5.1 MA模型的性質(zhì) 45
2.5.2 識別MA的階 46
2.5.3 估計(jì) 47
2.5.4 用MA模型預(yù)測 47
2.6 簡單的ARMA模型 49
2.6.1 ARMA(1，1)模型的性質(zhì) 49
2.6.2 一般的ARMA模型 51
2.6.3 識別ARMA模型 51
2.6.4 用ARMA模型進(jìn)行預(yù)測 53
2.6.5 ARMA模型的三種表示 54
2.7 單位根非平穩(wěn)性 56
2.7.1 隨機(jī)游動 56
2.7.2 帶漂移的隨機(jī)游動 57
2.7.3 帶趨勢項(xiàng)的時(shí)間序列 59
2.7.4 一般的單位根非平穩(wěn)模型 59
2.7.5 單位根檢驗(yàn) 60
2.8 季節(jié)模型 63
2.8.1 季節(jié)性差分化 64
2.8.2 多重季節(jié)性模型 65
2.9 帶時(shí)間序列誤差的回歸模型 70
2.10 協(xié)方差矩陣的相合估計(jì) 75
2.11 長記憶模型 77
附錄 一些SCA的命令 79
練習(xí)題 81
參考文獻(xiàn) 83

第3章 條件異方差模型 85
3.1 波動率的特征 86
3.2 模型的結(jié)構(gòu) 86
3.3 建模 88
3.4 ARCH模型 90
3.4.1 ARCH模型的性質(zhì) 91
3.4.2 ARCH模型的缺點(diǎn) 92
3.4.3 ARCH模型的建立 93
3.4.4 一些例子 95
3.5 GARCH模型 99
3.5.1 實(shí)例說明 102
3.5.2 預(yù)測的評估 106
3.5.3 兩步估計(jì)方法 106
3.6 求和GARCH模型 107
3.7 GARCH-M模型 108
3.8 指數(shù)GARCH模型 109
3.8.1 模型的另一種形式 110
3.8.2 實(shí)例說明 110
3.8.3 另一個(gè)例子 111
3.8.4 用EGARCH模型進(jìn)行預(yù)測 113
3.9 門限GARCH模型 114
3.10 CHARMA模型 115
3.11 隨機(jī)系數(shù)的自回歸模型 117
3.12 隨機(jī)波動率模型 118
3.13 長記憶隨機(jī)波動率模型 118
3.14 應(yīng)用 119
3.15 其他方法 123
3.15.1 高頻數(shù)據(jù)的應(yīng)用 123
3.15.2 日開盤價(jià)、最高價(jià)、最低價(jià)和收盤價(jià)的應(yīng)用 125
3.16 GARCH模型的峰度 127
附錄 波動率模型估計(jì)中的一些RATS程序 129
練習(xí)題 130
參考文獻(xiàn) 132

第4章 非線性模型及其應(yīng)用 135
4.1 非線性模型 136
4.1.1 雙線性模型 137
4.1.2 門限自回歸模型 138
4.1.3 平滑轉(zhuǎn)移AR(STAR)模型 142
4.1.4 馬爾可夫轉(zhuǎn)換模型 144
4.1.5 非參數(shù)方法 146
4.1.6 函數(shù)系數(shù)AR模型 153
4.1.7 非線性可加AR模型 154
4.1.8 非線性狀態(tài)空間模型 154
4.1.9 神經(jīng)網(wǎng)絡(luò) 154
4.2 非線性檢驗(yàn) 159
4.2.1 非參數(shù)檢驗(yàn) 160
4.2.2 參數(shù)檢驗(yàn) 162
4.2.3 應(yīng)用 166
4.3 建模 167
4.4 預(yù)測 167
4.4.1 參數(shù)自助法 168
4.4.2 預(yù)測的評估 168
4.5 應(yīng)用 170
附錄A 一些關(guān)于非線性波動率模型的RATS程序 173
附錄B 神經(jīng)網(wǎng)絡(luò)的S-Plus命令 174
練習(xí)題 175
參考文獻(xiàn) 176

第5章 高頻數(shù)據(jù)分析與市場微觀結(jié)構(gòu) 180
5.1 非同步交易 180
5.2 買賣報(bào)價(jià)差 184
5.3 交易數(shù)據(jù)的經(jīng)驗(yàn)特征 185
5.4 價(jià)格變化模型 190
5.4.1 順序概率值模型 190
5.4.2 分解模型 193
5.5 持續(xù)期模型 197
5.5.1 ACD模型 199
5.5.2 模擬 200
5.5.3 估計(jì) 202
5.6 非線性持續(xù)期模型 206
5.7 價(jià)格變化和持續(xù)期的二元模型 207
附錄A 一些概率分布的回顧 211
附錄B 危險(xiǎn)率函數(shù) 214
附錄C 對持續(xù)期模型的一些RATS程序 215
練習(xí)題 216
參考文獻(xiàn) 218

第6章 連續(xù)時(shí)間模型及其應(yīng)用 219
6.1 期權(quán) 220
6.2 一些連續(xù)時(shí)間的隨機(jī)過程 220
6.2.1 維納過程 220
6.2.2 廣義維納過程 222
6.2.3 伊藤過程 223
6.3 伊藤引理 223
6.3.1 微分回顧 223
6.3.2 隨機(jī)微分 224
6.3.3 一個(gè)應(yīng)用 225
6.3.4 μ和σ的估計(jì) 226
6.4 股票價(jià)格與對數(shù)收益率的分布 227
6.5 B-S微分方程的推導(dǎo) 229
6.6 B-S定價(jià)公式 230
6.6.1 風(fēng)險(xiǎn)中性世界 230
6.6.2 公式 231
6.6.3 歐式期權(quán)的下界 233
6.6.4 討論 234
6.7 伊藤引理的擴(kuò)展 237
6.8 隨機(jī)積分 238
6.9 跳躍擴(kuò)散模型 239
6.10 連續(xù)時(shí)間模型的估計(jì) 245
附錄A B-S公式積分 246
附錄B 標(biāo)準(zhǔn)正態(tài)概率的近似 247
練習(xí)題 247
參考文獻(xiàn) 248

第7章 極值理論、分位數(shù)估計(jì)與風(fēng)險(xiǎn)值 250
7.1 風(fēng)險(xiǎn)值 250
7.2 風(fēng)險(xiǎn)度量制 252
7.2.1 討論 254
7.2.2 多個(gè)頭寸 255
7.3 VaR計(jì)算的計(jì)量經(jīng)濟(jì)方法 255
7.4 分位數(shù)估計(jì) 260
7.4.1 分位數(shù)與次序統(tǒng)計(jì)量 260
7.4.2 分位數(shù)回歸 261
7.5 極值理論 262
7.5.1 極值理論的回顧 262
7.5.2 經(jīng)驗(yàn)估計(jì) 265
7.5.3 對股票收益率的應(yīng)用 267
7.6 VaR的極值方法 271
7.6.1 討論 273
7.6.2 多期VaR 275
7.6.3 空頭頭寸的VaR 275
7.6.4 收益率水平 275
7.7 基于極值理論的一個(gè)新方法 276
7.7.1 統(tǒng)計(jì)理論 277
7.7.2 超額均值函數(shù) 279
7.7.3 極值建模的一個(gè)新方法 280
7.7.4 基于新方法的計(jì)算 282
7.7.5 參數(shù)化的其他方法 283
7.7.6 解釋變量的使用 286
7.7.7 模型檢驗(yàn) 287
7.7.8 說明 288
練習(xí)題 291
參考文獻(xiàn) 293

第8章 多元時(shí)間序列分析及其應(yīng)用 294
8.1 弱平穩(wěn)與交叉-相關(guān)矩陣 294
8.1.1 交叉-相關(guān)矩陣 295
8.1.2 線性相依性 296
8.1.3 樣本交叉-相關(guān)矩陣 297
8.1.4 多元混成檢驗(yàn) 301
8.2 向量自回歸模型 302
8.2.1 簡化形式和結(jié)構(gòu)形式 303
8.2.2 VAR(1)模型的平穩(wěn)性條件和矩 305
8.2.3 向量AR(p)模型 306
8.2.4 建立一個(gè)VAR(p)模型 308
8.2.5 脈沖響應(yīng)函數(shù) 314
8.3 向量滑動平均模型 317
8.4 向量ARMA模型 322
8.5 單位根非平穩(wěn)性與協(xié)整 327
8.6 協(xié)整VAR模型 330
8.6.1 確定性函數(shù)的具體化 332
8.6.2 最大似然估計(jì) 333
8.6.3 協(xié)整檢驗(yàn) 334
8.6.4 協(xié)整VAR模型的預(yù)測 335
8.6.5 例子 335
8.7 門限協(xié)整與套利 340
8.7.1 多元門限模型 341
8.7.2 數(shù)據(jù) 341
8.7.3 估計(jì) 342
附錄A 向量與矩陣的回顧 344
附錄B 多元正態(tài)分布 348
附錄C 一些SCA命令 349
練習(xí)題 350
參考文獻(xiàn) 351

第9章 主成分分析和因子模型 353
9.1 因子模型 353
9.2 宏觀經(jīng)濟(jì)因子模型 355
9.2.1 單因子模型 355
9.2.2 多因子模型 359
9.3 基本面因子模型 361
9.3.1 BARRA因子模型 361
9.3.2 Fama-French方法 366
9.4 主成分分析 366
9.4.1 PCA理論 366
9.4.2 經(jīng)驗(yàn)的PCA 368
9.5 統(tǒng)計(jì)因子分析 371
9.5.1 估計(jì) 372
9.5.2 因子旋轉(zhuǎn) 373
9.5.3 應(yīng)用 374
9.6 漸近主成分分析 379
9.6.1 因子個(gè)數(shù)的選擇 379
9.6.2 例子 380
練習(xí)題 382
參考文獻(xiàn) 383

第10章 多元波動率模型及其應(yīng)用 385
10.1 指數(shù)加權(quán)估計(jì) 386
10.2 多元GARCH模型 388
10.2.1 對角VEC模型 389
10.2.2 BEKK模型 391
10.3 重新參數(shù)化 393
10.3.1 相關(guān)系數(shù)的應(yīng)用 393
10.3.2 cholesky分解 395
10.4 二元收益率的GARCH模型 398
10.4.1 常相關(guān)模型 398
10.4.2 時(shí)變相關(guān)模型 402
10.4.3 最近的一些發(fā)展 406
10.5 更高維的波動率模型 407
10.6 因子波動率模型 412
10.7 應(yīng)用 414
10.8 多元t分布 416
附錄 對估計(jì)的一些注釋 417
練習(xí)題 422
參考文獻(xiàn) 422

第11章 狀態(tài)空間模型和卡爾曼濾波 424
11.1 局部趨勢模型 424
11.1.1 統(tǒng)計(jì)推斷 427
11.1.2 卡爾曼濾波 428
11.1.3 預(yù)測誤差的性質(zhì) 430
11.1.4 狀態(tài)平滑 431
11.1.5 缺失值 435
11.1.6 初始化效應(yīng) 435
11.1.7 估計(jì) 436
11.1.8 所用的S-Plus命令 437
11.2 線性狀態(tài)空間模型 440
11.3 模型轉(zhuǎn)換 441
11.3.1 帶時(shí)變系數(shù)的CAPM 442
11.3.2 ARMA模型 444
11.3.3 線性回歸模型 450
11.3.4 帶ARMA誤差的線性回歸模型 451
11.3.5 純量不可觀測項(xiàng)模型 452
11.4 卡爾曼濾波和平滑 454
11.4.1 卡爾曼濾波 454
11.4.2 狀態(tài)估計(jì)誤差和預(yù)測誤差 456
11.4.3 狀態(tài)平滑 457
11.4.4 擾動平滑 459
11.5 缺失值 461
11.6 預(yù)測 462
11.7 應(yīng)用 463
練習(xí)題 469
參考文獻(xiàn) 470

第12章 馬爾可夫鏈蒙特卡羅方法及其應(yīng)用 472
12.1 馬爾可夫鏈模擬 472
12.2 Gibbs抽樣 473
12.3 貝葉斯推斷 475
12.3.1 后驗(yàn)分布 475
12.3.2 共軛先驗(yàn)分布 476
12.4 其他算法 479
12.4.1 Metropolis算法 479
12.4.2 Metropolis-Hasting算法 480
12.4.3 格子Gibbs抽樣 480
12.5 帶時(shí)間序列誤差的線性回歸 481
12.6 缺失值和異常值 485
12.6.1 缺失值 485
12.6.2 異常值的識別 487
12.7 隨機(jī)波動率模型 491
12.7.1 一元模型的估計(jì) 492
12.7.2 多元隨機(jī)波動率模型 496
12.8 估計(jì)隨機(jī)波動率模型的新方法 502
12.9 馬爾可夫轉(zhuǎn)換模型 510
12.10 預(yù)測 516
12.11 其他應(yīng)用 518
練習(xí)題 518
參考文獻(xiàn) 518

近年來金融時(shí)間序列這個(gè)研究領(lǐng)域已經(jīng)引起了人們廣泛的關(guān)注，尤其是當(dāng)2003年RobertEngle教授和cliveGranger教授獲得諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)之后，與此同時(shí)，金融計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域也有了新的發(fā)展，尤其是在高頻金融、隨機(jī)波動率以及可用性軟件方面，于是我們需要為高年級本科生、研究生、技術(shù)人員以及研究人員提供一套更為完善易懂的素材，在準(zhǔn)備第2版時(shí)我們的主要目的是在新的發(fā)展和實(shí)證分析方面進(jìn)行更新，并且擴(kuò)大這本書的核心素材，將異方差和序列相關(guān)存在時(shí)的相合協(xié)方差估計(jì)、波動率建模的備選方法、金融因子模型、狀態(tài)空間模型、卡爾曼濾波以及隨機(jī)擴(kuò)散模型的估計(jì)也包含了進(jìn)來，
因此本書擴(kuò)展到了12章，而且本書另一個(gè)重要的修改是包含了S—Plus命令和說明，本版同時(shí)更新了許多實(shí)證例子和練習(xí)，使其包含了最近的數(shù)據(jù)，
新增的兩章是第9章主成分分析及因子模型，與第11章狀態(tài)空間模型和卡爾曼濾波，本書所討論的因子模型包含了宏觀經(jīng)濟(jì)因子模型、基本面的因子模型和統(tǒng)計(jì)因子模型，對于分析像組合收益這樣的高維金融數(shù)據(jù)，這些模型是簡單而有力的工具，為說明其應(yīng)用，本書給出了實(shí)證的例子，新增的狀態(tài)空間模型和卡爾曼濾波是為了闡明其在金融中的應(yīng)用以及容易計(jì)算的特點(diǎn)，第12章中，在一般馬爾科夫鏈蒙特卡羅(McMc)框架下，狀態(tài)空間模型和卡爾曼濾波可用來估計(jì)隨機(jī)波動率模型，該估計(jì)還用到了向前濾波和向后抽樣的方法以增加計(jì)算效率。

點(diǎn)擊加載更多

加載中...

xiaolaoban888創(chuàng)建， redcode、帝王天下、xiaolaoban888等參與編輯。
互動百科的詞條（含所附圖片）系由網(wǎng)友上傳，如果涉嫌侵權(quán)，請與客服聯(lián)系，我們將按照法律之相關(guān)規(guī)定及時(shí)進(jìn)行處理。如需轉(zhuǎn)載，請注明來源于。

  本文關(guān)鍵詞：金融時(shí)間序列分析，由筆耕文化傳播整理發(fā)布。