金融时间序列分析

　　本书主要介绍了在计量经济学和统计学文献中出现的金融计量方法方面的最新进展，强调实例和数据分析。特别是包含当前的研究热点，如风险值、高频数据分析和马尔可夫链蒙特卡罗方法等。主要内容包括：金融时间序列数据的基本特征，神经网络，非线性方法，使用跳跃扩散方程进行衍生产品的定价，采用极值理论计算风险值，带时变相关系数的多元波动率模型，贝叶斯推断。.本书可作为金融等专业高年级本科生或研究生的时间序列分析教材，也可供相关专业研究人员参考。本书综介介绍金融计量模型及其住金融时间序列数据建模和预测中的应用，可帮助读者了解金融数据的基本特征，掌握金融计量模型的应用，并获得分析金融时间序列的经验。..对计量经济学和统计学文献叫，金融计量方法方面的最新进展进行概述址本书的突出特点。这些进展包括，气晌的0f究热点，如风险值，高频数据分析和马尔可夫链蒙特卡罗方法等。特别是一些在学术杂志上尚未发表的最新成果，如使用跳跃扩敞方程进行衍生产品的定价，基于非齐次二维泊松过程的极值理论计算风险值，以及带时变相关系数的多元波动半模型。此外，本书还介绍了用MCMC方法进行金融叶，的贝叶斯推断。强调实例和数据分析址本书的另一个突出特点。全书采用实际金融数据说明所讨论模型和方法的应用。建立线性时问序列模型用SCA；估计波动率模型刚RATS（时问序列的回归分析）；实现神经网络和绘制附图刚S-Plus。用Fortran程序进行简单的期权定价、估计极们模型，计算风险值和进行贝叶斯分析。...

　　Ruey S.Tsay 于美国威斯康星大学麦迪逊分校获得统计学博士学位，美国芝加哥大学商学院研究生院经济计量及统计学的H.G.B.Alexander教授。曾任Journal of Financial Econometrics杂志栏目编辑。

第1章金融时间序列及其特征
1.1资产收益率
1.2收益率的分布性质
1.2.1统计分布及其矩的回顾
1.2.2收益率的分布
1.2.3多元收益率
1.2.4收益率的似然函数
1.2.5收益率的经验性质
1.3其他过程
练习题
参考文献
第2章线性时间序列分析及其应用
2.1平稳性
2.2相关系数和自相关函数
2.3白噪声和线性时间序列
2.4简单的自回归模型
2.4.1AR模型的性质
2.4.2实际中怎样识别AR模型
2.4.3预测
2.5简单滑动平均模型
2.5.1MA模型的性质
2.5.2识别MA的阶
2.5.3估计
2.5.4用MA模型预测
2.6简单的ARMA模型
2.6.1ARMA(1,1)模型的性质
2.6.2一般的ARMA模型
2.6.3识别ARMA模型
2.6.4用ARMA模型预测
2.6.5ARMA模型的三种表示
2.7单位根非平稳性
2.7.1随机游动
2.7.2带漂移的随机游动
2.7.3一般的单位根非平稳模型
2.7.4单位根检验
2.8季节模型
2.8.1季节性差分
2.8.2多重季节性模型
2.9带时间序列误差的回归模型
2.10长记忆模型
附录A一些SCA的命令
练习题
参考文献
第3章条件异方差模型
3.1波动率的特征
3.2模型的结构
3.3ARCH模型
3.3.1ARCH模型的性质
3.3.2ARCH模型的缺点
3.3.3ARCH模型的建立
3.3.4例子
3.4GARCH模型
3.4.1一个例子
3.4.2预测的评价
3.5求和GARCH模型
3.6GARCHM模型
3.7指数GARCH模型
3.7.1实例说明
3.7.2另一个例子
3.7.3用EGARCH模型预测
3.8CHARMA模型
3.9随机系数的自回归模型
3.10随机波动率模型
3.11长记忆随机波动率模型
3.12另一种方法
3.13应用
3.14GARCH模型的峰度
附录A估计波动率模型的一些RATS程序
练习题
参考文献
第4章非线性模型及其应用
4.1非线性模型
4.1.1双线性模型
4.1.2门限自回归模型
4.1.3平滑转移AR模型
4.1.4马尔可夫转换模型
4.1.5非参数方法
4.1.6函数系数AR模型
4.1.7非线性可加AR模型
4.1.8非线性状态空间模型
4.1.9神经网络
4.2非线性检验
4.2.1非参数检验
4.2.2参数检验
4.2.3应用
4.3建模
4.4预测
4.4.1参数自助法
4.4.2预测的评估
4.5应用
附录A一些关于非线性波动率模型的
RATS程序
附录B神经网络的SPlus命令
练习题
参考文献
第5章高频数据分析与市场微观结构
5.1非同步交易
5.2买卖报价差
5.3交易数据的经验特征
5.4价格变化模型
5.4.1顺序概率值模型
5.4.2分解模型
5.5持续期模型
5.5.1ACD模型
5.5.2模拟
5.5.3估计
5.6非线性持续期模型
5.7价格变化和持续期的二元模型
附录A一些概率分布的回顾
附录B危险率函数
附录C持续期模型的一些RATS程序
练习题
参考文献
第6章连续时间模型及其应用
6.1期权
6.2一些连续时间的随机过程
6.2.1维纳过程
6.2.2一般的维纳过程
6.2.3伊藤过程
6.3伊藤引理
6.3.1微分回顾
6.3.2随机微分
6.3.3一个应用
6.3.4μ和σ的估计
6.4股票价格与对数收益率的分布
6.5BlackScholes微分方程的推导
6.6BlackScholes定价公式
6.6.1风险中性世界
6.6.2公式
6.6.3讨论
6.7伊藤引理的扩展
6.8随机积分
6.9跳跃扩散模型
6.10连续时间模型的估计
附录ABS公式积分
附录B标准正态概率的近似
练习题
参考文献
第7章极值理论、分位数估计与VaR
7.1VaR
7.2风险度量制
7.2.1讨论
7.2.2多个头寸
7.3VaR计算的经济计量方法
7.4分位数估计
7.4.1分位数与次序统计量
7.4.2分位数回归
7.5极值理论
7.5.1极值理论的回顾
7.5.2经验估计
7.5.3股票收益率的应用
7.6VaR的极值方法
7.6.1讨论
7.6.2多期VaR
7.6.3空头头寸的VaR
7.7基于极值理论的一个新方法
7.7.1统计理论
7.7.2一个新方法
7.7.3基于新方法的VaR计算
7.7.4解释变量的使用
7.7.5模型检验
7.7.6解释
练习题
参考文献
第8章多元时间序列分析及其应用
8.1弱平稳与交叉相关矩阵
8.1.1交叉相关矩阵
8.1.2线性相依性
8.1.3样本交叉相关矩阵
8.1.4多元混成检验
8.2向量自回归模型
8.2.1VAR（1）模型的平稳性条件和矩
8.2.2向量AR（p）模型
8.2.3建立一个VAR(p)模型
8.3向量滑动平均模型
8.4向量ARMA模型
8.5单位根非平稳性与协整
8.6门限协整与套利
8.6.1多元门限模型
8.6.2数据
8.6.3估计
8.7主成分分析
8.7.1PCA理论
8.7.2经验的PCA
8.8因子分析
8.8.1估计
8.8.2因子旋转
8.8.3应用
附录A向量与矩阵的回顾
附录B多元正态分布
练习题
参考文献
第9章多元波动率模型及其应用
9.1重新参数化
9.1.1相关系数的应用
9.1.2楚列斯基分解
9.2二元收益率的GARCH模型
9.2.1常相关模型
9.2.2时变相关模型
9.3更高维的波动率模型
9.4因子波动率模型
9.5应用
9.6多元t分布
附录A对估计的一些注释
练习题
参考文献
第10章马尔可夫链蒙特卡罗方法的应用…
10.1马尔可夫链模拟
10.2吉布斯抽样
10.3贝叶斯推断
10.3.1后验分布
10.3.2共轭先验分布
10.4其他算法
10.4.1Metropolis 算法
10.4.2MetropolisHasting算法
10.4.3格子吉布斯抽样
10.5带时间序列误差的线性回归
10.6缺失值和异常值
10.6.1缺失值
10.6.2异常值的识别
10.7随机波动率模型
10.7.1一元模型的估计
10.7.2 多元随机波动率模型
10.8马尔可夫转换模型
10.9预测
10.10其他应用
练习题
参考文献
索引