《金融時間序列分析(第3版)》是2012年人民郵電出版社出版的圖書，作者是[美] Ruey S. Tsay。
基本介紹
- 書名：圖靈數學·統計學叢書：金融時間序列分析
- 作者：[美] Ruey S. Tsay
- 譯者：王遠林、王輝、潘家柱
- 頁數：571
- 定價：85.00
- 出版社：人民郵電出版社
- 出版時間：2012-9-1
- 裝幀：平裝
- 開本：16開
內容簡介,作者簡介,圖書目錄,
內容簡介
《圖靈數學·統計學叢書:金融時間序列分析(第3版)》是金融時間序列分析領域不可多得的上乘之作，第1版面世後即成為該領域最具影響力的作品。作者在全面闡述金融時間序列分析理論知識的同時，還系統地介紹了金融計量經濟模型及其在金融時間序列數據的建模和預測中的套用。第3版使用能夠免費得到的R軟體包，可以對金融數據進行實證分析，也可以使用現實的例子對相關計算和分析進行說明。《圖靈數學·統計學叢書:金融時間序列分析(第3版)》還對金融計量經濟學的最新進展進行了深入分析，例如實現波動率、條件風險值、統計套利及持續期和動態相關模型的套用。
作者簡介
Ruey S. Tsay，美國芝加哥大學布斯商學院經濟計量學和統計學的H.G.B. Alexander 講席教授。1982年於美國威斯康星大學麥迪遜分校獲得統計學博士學位。中國台灣“中央研究院”院士，美國統計協會、數理統計學會及皇家統計學會的會士，Journal of Forecasting的聯合主編，Journal of Financial Econometrics的副主編。曾任美國統計學會商務與經濟統計分會主席、《商務與經濟統計》期刊主編。在商務和經濟預測、數據分析、風險管理和過程控制領域撰寫並發表了論文100多篇。他也是A Course in Time Series Analysis的合著者。
蔡瑞胸（Ruey S.Tsay），美國芝加哥大學布斯商學院經濟計量學和統計學的H.G.B.Alexander講席教授。1982年於美國威斯康星大學麥迪遜分校獲得統計學博士學位。中國台灣“中央研究院”院士，美國統計協會、數理統計學會及皇家統計學會的會士，Journal of Forecasting的聯合主編，Journal of Financial Econometrics的副主編。曾任美國統計學會商務與經濟統計分會主席及《商務與經濟統計》期刊主編。在商務和經濟預測、數據分析、風險管理和過程控制領域撰寫並發表了論文100多篇。他也是A Course in Time Series Analysis的合著者。
王遠林，畢業於東北財經大學數學與數量經濟學院，獲經濟學博士學位，現任東北財經大學數學與數量經濟學院副教授，碩士研究生導師，主要研究方向：數理金融和金融計量經濟學。
潘家柱，曾任北京大學金融數學系副教授、教授和博士生導師，並在倫敦經濟學院（LSE）從事過兩年的研究工作，現在英國斯特拉思克萊德大學任教。2002年，與程士宏教授等人一起獲得教育部提名國家科學技術獎自然科學獎二等獎。2008年，擔任第7屆世界機率統計大會時間序列分組的主持人，研究工作受到英國愛丁堡皇家學會和中國國家自然科學基金委員會的基金資助。主要研究方向：時間序列分析、金融計量經濟學和風險管理。
王輝，畢業於北京大學數學科學學院機率統計系，獲博士學位，現任教於中央財經大學金融學院金融工程系。主要研究方向：時間序列分析和金融計量經濟學。
蔡瑞胸（Ruey S.Tsay），美國芝加哥大學布斯商學院經濟計量學和統計學的H.G.B.Alexander講席教授。1982年於美國威斯康星大學麥迪遜分校獲得統計學博士學位。中國台灣“中央研究院”院士，美國統計協會、數理統計學會及皇家統計學會的會士，Journal of Forecasting的聯合主編，Journal of Financial Econometrics的副主編。曾任美國統計學會商務與經濟統計分會主席及《商務與經濟統計》期刊主編。在商務和經濟預測、數據分析、風險管理和過程控制領域撰寫並發表了論文100多篇。他也是A Course in Time Series Analysis的合著者。
王遠林，畢業於東北財經大學數學與數量經濟學院，獲經濟學博士學位，現任東北財經大學數學與數量經濟學院副教授，碩士研究生導師，主要研究方向：數理金融和金融計量經濟學。
潘家柱，曾任北京大學金融數學系副教授、教授和博士生導師，並在倫敦經濟學院（LSE）從事過兩年的研究工作，現在英國斯特拉思克萊德大學任教。2002年，與程士宏教授等人一起獲得教育部提名國家科學技術獎自然科學獎二等獎。2008年，擔任第7屆世界機率統計大會時間序列分組的主持人，研究工作受到英國愛丁堡皇家學會和中國國家自然科學基金委員會的基金資助。主要研究方向：時間序列分析、金融計量經濟學和風險管理。
王輝，畢業於北京大學數學科學學院機率統計系，獲博士學位，現任教於中央財經大學金融學院金融工程系。主要研究方向：時間序列分析和金融計量經濟學。
圖書目錄
第1章金融時間序列及其特徵
1.1資產收益率
1.2收益率的分布性質
1.2.1統計分布及其矩的回顧
1.2.2收益率的分布
1.2.3多元收益率
1.2.4收益率的似然函式
1.2.5收益率的經驗性質
1.3其他過程
附錄R程式包
練習題
參考文獻
第2章線性時間序列分析及其套用
2.1平穩性
2.2相關係數和自相關函式
2.3白噪聲和線性時間序列
2.4簡單的自回歸模型
2.4.1AR模型的性質
2.4.2實際中怎樣識別AR模型
2.4.3擬合優度
2.4.4預測
2.5簡單滑動平均模型
2.5.1MA模型的性質
2.5.2識別MA的階
2.5.3估計
2.5.4用MA模型預測
2.6簡單的ARMA模型
2.6.1ARMA（1，1）模型的性質
2.6.2一般的ARMA模型
2.6.3識別ARMA模型
2.6.4用ARMA模型進行預測
2.6.5ARMA模型的三種表示
2.7單位根非平穩性
2.7.1隨機遊動
2.7.2帶漂移的隨機遊動
2.7.3帶趨勢項的時間序列
2.7.4一般的單位根非平穩模型
2.7.5單位根檢驗
2.8季節模型
2.8.1季節性差分化
2.8.2多重季節性模型
2.9帶時間序列誤差的回歸模型
2.10協方差矩陣的相合估計
2.11長記憶模型
附錄一些SCA的命令
練習題
參考文獻
第3章條件異方差模型
3.1波動率的特徵
3.2模型的結構
3.3建模
3.4ARCH模型
3.4.1ARCH模型的性質
3.4.2ARCH模型的缺點
3.4.3ARCH模型的建立
3.4.4一些例子
3.5GARCH模型
3.5.1實例說明
3.5.2預測的評估
3.5.3兩步估計方法
3.6求和GARCH模型
3.7GARCH－M模型
3.8指數GARCH模型
3.8.1模型的另一種形式
3.8.2實例說明
3.8.3另一個例子
3.8.4用EGARCH模型進行預測
3.9門限GARCH模型
3.10CHARMA模型
3.11隨機係數的自回歸模型
3.12隨機波動率模型
3.13長記憶隨機波動率模型
3.14套用
3.15其他方法
3.15.1高頻數據的套用
3.15.2日開盤價、最高價、最低價和收盤價的套用
3.16GARCH模型的峰度
附錄波動率模型估計中的一些RATS程式
練習題
參考文獻
第4章非線性模型及其套用
4.1非線性模型
4.1.1雙線性模型
4.1.2門限自回歸模型
4.1.3平滑轉移AR（STAR）模型
4.1.4馬爾可夫轉換模型
4.1.5非參數方法
4.1.6函式係數AR模型
4.1.7非線性可加AR模型
4.1.8非線性狀態空間模型
4.1.9神經網路
4.2非線性檢驗
4.2.1非參數檢驗
4.2.2參數檢驗
4.2.3套用
4.3建模
4.4預測
4.4.1參數自助法
4.4.2預測的評估
4.5套用
附錄A一些關於非線性波動率模型的RATS程式
附錄B神經網路的S－Plus命令
練習題
參考文獻
第5章高頻數據分析與市場微觀結構
5.1非同步交易
5.2買賣報價差
5.3交易數據的經驗特徵
5.4價格變化模型
5.4.1順序機率值模型
5.4.2分解模型
5.5持續期模型
5.5.1ACD模型
5.5.2模擬
5.5.3估計
5.6非線性持續期模型
5.7價格變化和持續期的二元模型
5.8套用
附錄A一些機率分布的回顧
附錄B危險率函式
附錄C對持續期模型的一些RATS程式
練習題
參考文獻
第6章連續時間模型及其套用
6.1期權
6.2一些連續時間的隨機過程
6.2.1維納過程
6.2.2廣義維納過程
6.2.3伊藤過程
6.3伊藤引理
6.3.1微分回顧
6.3.2隨機微分
6.3.3一個套用
6.3.4μ和σ的估計
6.4股票價格與對數收益率的分布
6.5B－S微分方程的推導
6.6B－S定價公式
6.6.1風險中性世界
6.6.2公式
6.6.3歐式期權的下界
6.6.4討論
6.7伊藤引理的擴展
6.8隨機積分
6.9跳躍擴散模型
6.10連續時間模型的估計
附錄AB－S公式積分
附錄B標準正態機率的近似
練習題
參考文獻
第7章極值理論、分位數估計與風險值
7.1風險值
7.2風險度量制
7.2.1討論
7.2.2多個頭寸
7.2.3預期損失
7.3VaR計算的計量經濟方法
7.3.1多個周期
7.3.2在條件常態分配下的預期損失
7.4分位數估計
7.4.1分位數與次序統計量
7.4.2分位數回歸
7.5極值理論
7.5.1極值理論的回顧
7.5.2經驗估計
7.5.3對股票收益率的套用
7.6VaR的極值方法
7.6.1討論
7.6.2多期VaR
7.6.3收益率水平
7.7基於極值理論的一個新方法
7.7.1統計理論
7.7.2超額均值函式
7.7.3極值建模的一個新方法
7.7.4基於新方法的VaR計算
7.7.5參數化的其他方法
7.7.6解釋變數的使用
7.7.7模型檢驗
7.7.8說明
7.8極值指數
7.8.1D（un）條件
7.8.2極值指數的估計
7.8.3平穩時間序列的風險值
練習題
參考文獻
第8章多元時間序列分析及其套用
8.1弱平穩與交叉一相關矩陣
8.1.1交叉－相關矩陣
8.1.2線性相依性
8.1.3樣本交叉－相關矩陣
8.1.4多元混成檢驗
8.2向量自回歸模型
8.2.1簡化形式和結構形式
8.2.2VAR（1）模型的平穩性條件和矩
8.2.3向量AR（p）模型
8.2.4建立一個VAR（p）模型
8.2.5脈衝回響函式
8.3向量滑動平均模型
8.4向量ARMA模型
8.5單位根非平穩性與協整
8.6協整VAR模型
8.6.1確定性函式的具體化
8.6.2最大似然估計
8.6.3協整檢驗
8.6.4協整VAR模型的預測
8.6.5例子
8.7門限協整與套利
8.7.1多元門限模型
8.7.2數據
8.7.3估計
8.8配對交易
8.8.1理論框架
8.8.2交易策略
8.8.3簡單例子
附錄A向量與矩陣的回顧
附錄B多元常態分配
附錄C一些SCA命令
練習題
參考文獻
第9章主成分分析和因子模型
9.1因子模型
9.2巨觀經濟因子模型
9.2.1單因子模型
9.2.2多因子模型
9.3基本面因子模型
9.3.1BARRA因子模型
9.3.2Fama－French方法
9.4主成分分析
9.4.1PCA理論
9.4.2經驗的PCA
9.5統計因子分析
9.5.1估計
9.5.2因子旋轉
9.5.3套用
9.6漸近主成分分析
9.6.1因子個數的選擇
9.6.2例子
練習題
參考文獻
第10章多元波動率模型及其套用
10.1指數加權估計
10.2多元GARCH模型
10.2.1對角VEC模型
10.2.2BEKK模型
10.3重新參數化
10.3.1相關係數的套用
10.3.2Cholesky分解
10.4二元收益率的GARCH模型
10.4.1常相關模型
10.4.2時變相關模型
10.4.3動態相關模型
10.5更高維的波動率模型
10.6因子波動率模型
10.7套用
10.8多元t分布
附錄對估計的一些注釋
練習題
參考文獻
第11章狀態空間模型和卡爾曼濾波
11.1局部趨勢模型
11.1.1統計推斷
11.1.2卡爾曼濾波
11.1.3預測誤差的性質
11.1.4狀態平滑
11.1.5缺失值
11.1.6初始化效應
11.1.7估計
11.1.8所用的S－Plus命令
11.2線性狀態空間模型
11.3模型轉換
11.3.1帶時變係數的CAPM
11.3.2ARMA模型
11.3.3線性回歸模型
11.3.4帶ARMA誤差的線性回歸模型
11.3.5純量不可觀測項模型
11.4卡爾曼濾波和平滑
11.4.1卡爾曼濾波
11.4.2狀態估計誤差和預測誤差
11.4.3狀態平滑
11.4.4擾動平滑
11.5缺失值
11.6預測
11.7套用
練習題
參考文獻
第12章馬爾可夫鏈蒙特卡羅方法及其套用
12.1馬爾可夫鏈模擬
12.2Gibbs抽樣
12.3貝葉斯推斷
12.3.1後驗分布
12.3.2共軛先驗分布
12.4其他算法
12.4.1Metropolis算法
12.4.2Metropolis－Hasting算法
12.4.3格子Gibbs抽樣
12.5帶時間序列誤差的線性回歸
12.6缺失值和異常值
12.6.1缺失值
12.6.2異常值的識別
12.7隨機波動率模型
12.7.1一元模型的估計
12.7.2多元隨機波動率模型
12.8估計隨機波動率模型的新方法
12.9馬爾可夫轉換模型
12.10預測
12.11其他套用
練習題
參考文獻
索引
1.1資產收益率
1.2收益率的分布性質
1.2.1統計分布及其矩的回顧
1.2.2收益率的分布
1.2.3多元收益率
1.2.4收益率的似然函式
1.2.5收益率的經驗性質
1.3其他過程
附錄R程式包
練習題
參考文獻
第2章線性時間序列分析及其套用
2.1平穩性
2.2相關係數和自相關函式
2.3白噪聲和線性時間序列
2.4簡單的自回歸模型
2.4.1AR模型的性質
2.4.2實際中怎樣識別AR模型
2.4.3擬合優度
2.4.4預測
2.5簡單滑動平均模型
2.5.1MA模型的性質
2.5.2識別MA的階
2.5.3估計
2.5.4用MA模型預測
2.6簡單的ARMA模型
2.6.1ARMA（1，1）模型的性質
2.6.2一般的ARMA模型
2.6.3識別ARMA模型
2.6.4用ARMA模型進行預測
2.6.5ARMA模型的三種表示
2.7單位根非平穩性
2.7.1隨機遊動
2.7.2帶漂移的隨機遊動
2.7.3帶趨勢項的時間序列
2.7.4一般的單位根非平穩模型
2.7.5單位根檢驗
2.8季節模型
2.8.1季節性差分化
2.8.2多重季節性模型
2.9帶時間序列誤差的回歸模型
2.10協方差矩陣的相合估計
2.11長記憶模型
附錄一些SCA的命令
練習題
參考文獻
第3章條件異方差模型
3.1波動率的特徵
3.2模型的結構
3.3建模
3.4ARCH模型
3.4.1ARCH模型的性質
3.4.2ARCH模型的缺點
3.4.3ARCH模型的建立
3.4.4一些例子
3.5GARCH模型
3.5.1實例說明
3.5.2預測的評估
3.5.3兩步估計方法
3.6求和GARCH模型
3.7GARCH－M模型
3.8指數GARCH模型
3.8.1模型的另一種形式
3.8.2實例說明
3.8.3另一個例子
3.8.4用EGARCH模型進行預測
3.9門限GARCH模型
3.10CHARMA模型
3.11隨機係數的自回歸模型
3.12隨機波動率模型
3.13長記憶隨機波動率模型
3.14套用
3.15其他方法
3.15.1高頻數據的套用
3.15.2日開盤價、最高價、最低價和收盤價的套用
3.16GARCH模型的峰度
附錄波動率模型估計中的一些RATS程式
練習題
參考文獻
第4章非線性模型及其套用
4.1非線性模型
4.1.1雙線性模型
4.1.2門限自回歸模型
4.1.3平滑轉移AR（STAR）模型
4.1.4馬爾可夫轉換模型
4.1.5非參數方法
4.1.6函式係數AR模型
4.1.7非線性可加AR模型
4.1.8非線性狀態空間模型
4.1.9神經網路
4.2非線性檢驗
4.2.1非參數檢驗
4.2.2參數檢驗
4.2.3套用
4.3建模
4.4預測
4.4.1參數自助法
4.4.2預測的評估
4.5套用
附錄A一些關於非線性波動率模型的RATS程式
附錄B神經網路的S－Plus命令
練習題
參考文獻
第5章高頻數據分析與市場微觀結構
5.1非同步交易
5.2買賣報價差
5.3交易數據的經驗特徵
5.4價格變化模型
5.4.1順序機率值模型
5.4.2分解模型
5.5持續期模型
5.5.1ACD模型
5.5.2模擬
5.5.3估計
5.6非線性持續期模型
5.7價格變化和持續期的二元模型
5.8套用
附錄A一些機率分布的回顧
附錄B危險率函式
附錄C對持續期模型的一些RATS程式
練習題
參考文獻
第6章連續時間模型及其套用
6.1期權
6.2一些連續時間的隨機過程
6.2.1維納過程
6.2.2廣義維納過程
6.2.3伊藤過程
6.3伊藤引理
6.3.1微分回顧
6.3.2隨機微分
6.3.3一個套用
6.3.4μ和σ的估計
6.4股票價格與對數收益率的分布
6.5B－S微分方程的推導
6.6B－S定價公式
6.6.1風險中性世界
6.6.2公式
6.6.3歐式期權的下界
6.6.4討論
6.7伊藤引理的擴展
6.8隨機積分
6.9跳躍擴散模型
6.10連續時間模型的估計
附錄AB－S公式積分
附錄B標準正態機率的近似
練習題
參考文獻
第7章極值理論、分位數估計與風險值
7.1風險值
7.2風險度量制
7.2.1討論
7.2.2多個頭寸
7.2.3預期損失
7.3VaR計算的計量經濟方法
7.3.1多個周期
7.3.2在條件常態分配下的預期損失
7.4分位數估計
7.4.1分位數與次序統計量
7.4.2分位數回歸
7.5極值理論
7.5.1極值理論的回顧
7.5.2經驗估計
7.5.3對股票收益率的套用
7.6VaR的極值方法
7.6.1討論
7.6.2多期VaR
7.6.3收益率水平
7.7基於極值理論的一個新方法
7.7.1統計理論
7.7.2超額均值函式
7.7.3極值建模的一個新方法
7.7.4基於新方法的VaR計算
7.7.5參數化的其他方法
7.7.6解釋變數的使用
7.7.7模型檢驗
7.7.8說明
7.8極值指數
7.8.1D（un）條件
7.8.2極值指數的估計
7.8.3平穩時間序列的風險值
練習題
參考文獻
第8章多元時間序列分析及其套用
8.1弱平穩與交叉一相關矩陣
8.1.1交叉－相關矩陣
8.1.2線性相依性
8.1.3樣本交叉－相關矩陣
8.1.4多元混成檢驗
8.2向量自回歸模型
8.2.1簡化形式和結構形式
8.2.2VAR（1）模型的平穩性條件和矩
8.2.3向量AR（p）模型
8.2.4建立一個VAR（p）模型
8.2.5脈衝回響函式
8.3向量滑動平均模型
8.4向量ARMA模型
8.5單位根非平穩性與協整
8.6協整VAR模型
8.6.1確定性函式的具體化
8.6.2最大似然估計
8.6.3協整檢驗
8.6.4協整VAR模型的預測
8.6.5例子
8.7門限協整與套利
8.7.1多元門限模型
8.7.2數據
8.7.3估計
8.8配對交易
8.8.1理論框架
8.8.2交易策略
8.8.3簡單例子
附錄A向量與矩陣的回顧
附錄B多元常態分配
附錄C一些SCA命令
練習題
參考文獻
第9章主成分分析和因子模型
9.1因子模型
9.2巨觀經濟因子模型
9.2.1單因子模型
9.2.2多因子模型
9.3基本面因子模型
9.3.1BARRA因子模型
9.3.2Fama－French方法
9.4主成分分析
9.4.1PCA理論
9.4.2經驗的PCA
9.5統計因子分析
9.5.1估計
9.5.2因子旋轉
9.5.3套用
9.6漸近主成分分析
9.6.1因子個數的選擇
9.6.2例子
練習題
參考文獻
第10章多元波動率模型及其套用
10.1指數加權估計
10.2多元GARCH模型
10.2.1對角VEC模型
10.2.2BEKK模型
10.3重新參數化
10.3.1相關係數的套用
10.3.2Cholesky分解
10.4二元收益率的GARCH模型
10.4.1常相關模型
10.4.2時變相關模型
10.4.3動態相關模型
10.5更高維的波動率模型
10.6因子波動率模型
10.7套用
10.8多元t分布
附錄對估計的一些注釋
練習題
參考文獻
第11章狀態空間模型和卡爾曼濾波
11.1局部趨勢模型
11.1.1統計推斷
11.1.2卡爾曼濾波
11.1.3預測誤差的性質
11.1.4狀態平滑
11.1.5缺失值
11.1.6初始化效應
11.1.7估計
11.1.8所用的S－Plus命令
11.2線性狀態空間模型
11.3模型轉換
11.3.1帶時變係數的CAPM
11.3.2ARMA模型
11.3.3線性回歸模型
11.3.4帶ARMA誤差的線性回歸模型
11.3.5純量不可觀測項模型
11.4卡爾曼濾波和平滑
11.4.1卡爾曼濾波
11.4.2狀態估計誤差和預測誤差
11.4.3狀態平滑
11.4.4擾動平滑
11.5缺失值
11.6預測
11.7套用
練習題
參考文獻
第12章馬爾可夫鏈蒙特卡羅方法及其套用
12.1馬爾可夫鏈模擬
12.2Gibbs抽樣
12.3貝葉斯推斷
12.3.1後驗分布
12.3.2共軛先驗分布
12.4其他算法
12.4.1Metropolis算法
12.4.2Metropolis－Hasting算法
12.4.3格子Gibbs抽樣
12.5帶時間序列誤差的線性回歸
12.6缺失值和異常值
12.6.1缺失值
12.6.2異常值的識別
12.7隨機波動率模型
12.7.1一元模型的估計
12.7.2多元隨機波動率模型
12.8估計隨機波動率模型的新方法
12.9馬爾可夫轉換模型
12.10預測
12.11其他套用
練習題
參考文獻
索引
