金融时间序列建模分析

　　本书的结构安排和主要内容如下：第1章导言部分为问题提出、研究思路及篇章结构安排。第2章通过对金融市场中投资者的投资决策行为进行经济学分析，解释高频金融时序的尖峰肥尾、波动集束、条件方差时变性和长记忆性等统计特征，也即解释这些公认的金融现象产生的原因是什么。第3章使用极值理论估计并检验度量高频金融时序的肥尾程序的参数——尾指数，讨论尾指数在风险管理中的应用。第3章使用极值理论及相关知识，局部拟合收益率的分布或密度，有效地估计和预测风险值，避免因整体拟合失真而导致估计与预测的无效。在第3章的建模过程中，均使用方法论研究与实践分析相结合的分析方法。第4章论金融时序长记忆参数的估计，主要考虑涉及分整参数的ARFIMA的模型、高斯半参数方法和GPH非参数估计方法，并应用于深沪两市的收益率的长记忆性的实证分析。第5章为时间顺序的单位根或平稳检测。第6章较系统地随机模拟分析具有GARCH-error金融时序的ADF单位根检验问题，它是第5章的时一步深化和创新。第6章的实证分析表明伪GARCH现象的存在可能源于GARCH模型设定的随意性和非系统性。

暂缺《金融时间序列建模分析》作者简介

1导言
§1．1问题的提出与研究思路
§1．2结构安排和主要内容
2高频金融时序统计特征与投资主体行为分析
§2．1前言
§2．2高频时间序列统计特征
§2．3投资主体行为分析
§2．3．1密度函数的肥尾性、分布的非正态性和序列的非独立性
§2．3．2波动集束现象
§2．3．3条件方差时变性
§2．3．4长记忆性
§2．3．5尖峰现象
§2．4浅议传统与现代建模方法
§2．4．1传统建模的设定及其局限性
§2．4．2现代建模方法
3肥尾度量与风险刻画
§3．1引言
§3．2肥尾描述
§3．2．1肥尾定义
§3．2．2 QQ散点图的基本思想
§3．2．3 t、skewed－t和GED分布的尾部特征
§3．3极值理论基础
§3．3．1极值类型定理
§3．3．2尾指数估计量
§3．4尾指数估计与检验
§3．4．1块最大值法
§3．4．2广义Pareto分布法
§3．4．3 POT法
§3．5三收益率尾指数估计
§3．5．1三收益率尾指数的初步估计
§3．5．2三收益率尾指数的估计与检验
§3．6风险值的估计与预测
§3．6．1风险值的估计
§3．6．2风险值的一步预测
§3．6．3 shr96时序风险值的估计与预测图
4长记忆参数估计
§4．1前言
§4．2长记忆参数d的估计
§4．3 shr96和szr96时序的长记忆参数估计
§4．4 ARFIMA模型长记忆参数的模拟比较
§4．5对长记忆参数估计的进一步思考
5时间序列平稳性检验
§5．1前言
§5．2时间序列平稳性检验的意义
§5．2．1伪回归现象
§5．2．2伪回归的统计特征
……
6具有GARCH-error的单位根检验
7GARCH模型分析与应用
附录1 LM、LR和Wald检验
附录2 信息准则
附录3 分整时序随机数生成程序
附录4 动态ADF单位根检验程度
附录5 动态KPSS I(0)平稳性检验程序
附录6 具有GARCH-skew-t error单位根检验程序
§F．1临界值的随机模拟程序
§F. 2有效性及实际显著水平的随机模拟程序
参考文献
致谢