金融實時數據分析方法

內容簡介

　　《金融實時數據分析方法》通過對現有的金融數據分析方法比較研究，在分析方法上尋求創新，並利用構建的金融實時數據模型來分析國內股票市場實時數據的信息含量，以期對交易者行為作出合理解釋。對金融實時數據模型研究，有助於最佳化市場信息，為市場監管者和投資者提供有益的決策參考和理論依據。

　　《金融實時數據分析方法》共分9章：第1章簡單介紹了金融數據的基本特徵及常用分析方法；第2章介紹了金融數據分析的基本理論與方法；第3～4章介紹了低頻數據分析常用模型；第5章分析了實時金融數據統計特徵；第6～8章介紹了常用的金融實時數據分析模型；第9章介紹了金融實時數據分析模型在國內股票市場中的套用。

圖書目錄

1 金融數據簡介

1.1 金融時間序列分析

1.2 收益率

1.2.1 單周期收益率

1.2.2 多周期收益率

1.3 收益率分布性質

1.3.1 統計分布及其矩的回顧

1.3.2 收益率的分布

1.3.3 多元收益

1.3.4 收益率的似然函式

1.4 相關係數

1.5 平穩性

1.6 自相關性

1.6.1 自協方差函式

1.6.2 自相關函式（ACF）

1.6.3 偏自相關函式（PACF）

1.7 差分方程與滯後運算元

1.7.1 一階差分方程

1.7.2 P階差分方程

1.7.3 滯後運算元

1.8 國內股票市場低頻數據統計特徵

1.8.1 基本統計量

1.8.2 相關性分析

2 理論基礎及研究方法

2.1 金融市場微觀結構概述

2.1.1 金融市場微觀結構研究內容

2.1.2 金融市場交易機制類型

2.1.3 中國股票市場交易機制

2.2 金融市場微觀結構主要理論

2.2.1 存貨模型

2.2.2 信息模型

2.3 馬爾可夫蒙特卡洛方法

2.3.1 馬爾可夫蒙特卡洛方法概述

2.3.2 馬爾可夫蒙特卡洛方法基本原理

2.3.3 WinBUGS軟體

2.3.4 EViews 6.0軟體

3 自回歸移動平均模型

3.1 白噪聲過程

3.1.1 弱白噪聲過程

3.1.2 獨立同分布白噪聲過程

3.1.3 高斯白噪聲過程

3.1.4 白噪聲的參數特徵

3.2 AR模型

3.2.1 AR（1）模型

3.2.2 AR（2）模型

3.2.3 AR（p）模型

3.3 MA模型

3.3.1 模型結構

3.3.2 MA（1）過程

3.3.3 MA（2）過程

3.3.4 MA（∞）過程

3.3.5 MA階的識別

3.4 ARMA模型

3.4.1 模型結構

3.4.2 ARMA（1，1）模型

3.4.3 ARMA模型識別

3.4.4 ARMA建模

金融實時數據分析方法

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條