《金融時間序列分析(第3版)》是2019年12月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：金融時間序列分析(第3版)
- 作者：[美]Ruey S·Tsay
- ISBN：9787115287625
- 頁數：571頁
- 定價：85元
- 出版社：人民郵電出版社
- 出版時間：2019年12月
- 裝幀：平裝
- 開本：16開
內容簡介,圖書目錄,
內容簡介
本書全面闡述了金融時間序列，並主要介紹了金融時間序列理論和方法的當前研究熱點和一些最新研究成果，尤其是風險值計算、高頻數據分析、隨機波動率建模和馬爾可夫鏈蒙特卡羅方法等方面。此外，本書還系統闡述了金融計量經濟模型及其在金融時間序列數據和建模中的套用，所有模型和方法的運用均採用實際金融數據，並給出了所用計算機軟體的命令。較之第 2版，本版不僅更新了上一版中使用的數據，而且還給出了R命令和實例，從而使其成為理解重要統計方法和技術的奠基石.
本書可作為時間序列分析的教材，也適用於商學、經濟學、數學和統計學專業對金融的計量經濟學感興趣的高年級本科生和研究生，同時，也可作為商業、金融、保險等領域專業人士的參考用書。
圖書目錄
第 1章 金融時間序列及其特徵 1
1.1 資產收益率 2
1.2 收益率的分布性質 6
1.2.1 統計分布及其矩的回顧 6
1.2.2 收益率的分布 13
1.2.3 多元收益率 16
1.2.4 收益率的似然函式 17
1.2.5 收益率的經驗性質 17
1.3 其他過程 19
附錄R 程式包 21
練習題 23
參考文獻 24
第 2章 線性時間序列分析及其套用 25
2.1 平穩性 25
2.2 相關係數和自相關函式 26
2.3 白噪聲和線性時間序列 31
2.4 簡單的自回歸模型 32
2.4.1 AR模型的性質 33
2.4.2 實際中怎樣識別AR模型 40
2.4.3 擬合優度 46
2.4.4 預測 47
2.5 簡單滑動平均模型 50
2.5.1 MA模型的性質 51
2.5.2 識別MA的階 52
2.5.3 估計 53
2.5.4 用MA模型預測 54
2.6 簡單的ARMA模型 55
2.6.1 ARMA(1,1)模型的性質 56
2.6.2 一般的ARMA模型 57
2.6.3 識別ARMA模型 58
2.6.4 用ARMA模型進行預測 60
2.6.5 ARMA模型的三種表示 60
2.7 單位根非平穩性 62
2.7.1 隨機遊動 62
2.7.2 帶漂移的隨機遊動 64
2.7.3 帶趨勢項的時間序列 65
2.7.4 一般的單位根非平穩模型 66
2.7.5 單位根檢驗 66
2.8 季節模型 71
2.8.1 季節性差分化 72
2.8.2 多重季節性模型 73
2.9 帶時間序列誤差的回歸模型 78
2.10 協方差矩陣的相合估計 85
2.11 長記憶模型 88
附錄 一些SCA的命令 90
練習題 90
參考文獻 92
第3章 條件異方差模型 94
3.1 波動率的特徵 95
3.2 模型的結構 95
3.3 建模 97
3.4 ARCH模型 99
3.4.1 ARCH模型的性質 100
3.4.2 ARCH模型的缺點 102
3.4.3 ARCH模型的建立 102
3.4.4 一些例子 106
3.5 GARCH模型 113
3.5.1 實例說明 115
3.5.2 預測的評估 120
3.5.3 兩步估計方法 121
3.6 求和GARCH模型 121
3.7 GARCH-M模型 122
3.8 指數GARCH模型 123
3.8.1 模型的另一種形式 125
3.8.2 實例說明 125
3.8.3 另一個例子 126
3.8.4 用EGARCH模型進行預測 128
3.9 門限GARCH模型 129
3.10 CHARMA模型 130
3.11 隨機係數的自回歸模型 132
3.12 隨機波動率模型 133
3.13 長記憶隨機波動率模型 133
3.14 套用 135
3.15 其他方法 138
3.15.1 高頻數據的套用 138
3.15.2 日開盤價、最高價、最低價和收盤價的套用 141
3.16 GARCH模型的峰度 143
附錄 波動率模型估計中的一些RATS程式 144
練習題 146
參考文獻 148
第4章 非線性模型及其套用 151
4.1 非線性模型 152
4.1.1 雙線性模型 153
4.1.2 門限自回歸模型 154
4.1.3 平滑轉移AR(STAR)模型 158
4.1.4 馬爾可夫轉換模型 160
4.1.5 非參數方法 162
4.1.6 函式係數AR模型 170
4.1.7 非線性可加AR模型 170
4.1.8 非線性狀態空間模型 171
4.1.9 神經網路 171
4.2 非線性檢驗 176
4.2.1 非參數檢驗 176
4.2.2 參數檢驗 179
4.2.3 套用 182
4.3 建模 183
4.4 預測 184
4.4.1 參數自助法 184
4.4.2 預測的評估 184
4.5 套用 186
附錄A 一些關於非線性波動率模型的RATS程式 190
附錄B 神經網路的S-Plus命令 191
練習題 191
參考文獻 193
第5章 高頻數據分析與市場微觀結構 196
5.1 非同步交易 196
5.2 買賣報價差 200
5.3 交易數據的經驗特徵 201
5.4 價格變化模型 207
5.4.1 順序機率值模型 207
5.4.2 分解模型 210
5.5 持續期模型 214
5.5.1 ACD模型 216
5.5.2 模擬 218
5.5.3 估計 219
5.6 非線性持續期模型 224
5.7 價格變化和持續期的二元模型 225
5.8 套用 229
附錄A 一些機率分布的回顧 234
附錄B 危險率函式 237
附錄C 對持續期模型的一些RATS程式 238
練習題 239
參考文獻 241
第6章 連續時間模型及其套用 243
6.1 期權 244
6.2 一些連續時間的隨機過程 244
6.2.1 維納過程 244
6.2.2 廣義維納過程 246
6.2.3 伊藤過程 247
6.3 伊藤引理 247
6.3.1 微分回顧 247
6.3.2 隨機微分 248
6.3.3 一個套用 249
6.3.4 和 的估計 250
6.4 股票價格與對數收益率的分布 251
6.5 B-S微分方程的推導 253
6.6 B-S定價公式 254
6.6.1 風險中性世界 254
6.6.2 公式 255
6.6.3 歐式期權的下界 257
6.6.4 討論 258
6.7 伊藤引理的擴展 261
6.8 隨機積分 262
6.9 跳躍擴散模型 263
6.10 連續時間模型的估計 269
附錄A B-S公式積分 270
附錄B 標準正態機率的近似 271
練習題 271
參考文獻 272
第7章 極值理論、分位數估計與風險值 274
7.1 風險值 275
7.2 風險度量制 276
7.2.1 討論 279
7.2.2 多個頭寸 279
7.2.3 預期損失 280
7.3 VaR計算的計量經濟方法 280
7.3.1 多個周期 283
7.3.2 在條件常態分配下的預期損失 285
7.4 分位數估計 285
7.4.1 分位數與次序統計量 285
7.4.2 分位數回歸 287
7.5 極值理論 288
7.5.1 極值理論的回顧 288
7.5.2 經驗估計 290
7.5.3 對股票收益率的套用 293
7.6 VaR的極值方法 297
7.6.1 討論 300
7.6.2 多期VaR 301
7.6.3 收益率水平 302
7.7 基於極值理論的一個新方法 302
7.7.1 統計理論 303
7.7.2 超額均值函式 305
7.7.3 極值建模的一個新方法 306
7.7.4 基於新方法的VaR計算 308
7.7.5 參數化的其他方法 309
7.7.6 解釋變數的使用 312
7.7.7 模型檢驗 313
7.7.8 說明 314
7.8 極值指數 318
7.8.1 D(un)條件 319
7.8.2 極值指數的估計 321
7.8.3 平穩時間序列的風險值 323
練習題 324
參考文獻 326
第8章 多元時間序列分析及其套用 328
8.1 弱平穩與交叉-相關矩陣 328
8.1.1 交叉-相關矩陣 329
8.1.2 線性相依性 330
8.1.3 樣本交叉-相關矩陣 331
8.1.4 多元混成檢驗 335
8.2 向量自回歸模型 336
8.2.1 簡化形式和結構形式 337
8.2.2 VAR(1)模型的平穩性條件和矩 339
8.2.3 向量AR(p)模型 340
8.2.4 建立一個VAR(p)模型 342
8.2.5 脈衝回響函式 349
8.3 向量滑動平均模型 354
8.4 向量ARMA模型 357
8.5 單位根非平穩性與協整 362
8.6 協整VAR模型 366
8.6.1 確定性函式的具體化 368
8.6.2 最大似然估計 368
8.6.3 協整檢驗 369
8.6.4 協整VAR模型的預測 370
8.6.5 例子 370
8.7 門限協整與套利 375
8.7.1 多元門限模型 376
8.7.2 數據 377
8.7.3 估計 377
8.8 配對交易 379
8.8.1 理論框架 379
8.8.2 交易策略 380
8.8.3 簡單例子 380
附錄A 向量與矩陣的回顧 385
附錄B 多元常態分配 389
附錄C 一些SCA命令 390
練習題 391
參考文獻 393
第9章 主成分分析和因子模型 395
9.1 因子模型 395
9.2 巨觀經濟因子模型 397
9.2.1 單因子模型 397
9.2.2 多因子模型 401
9.3 基本面因子模型 403
9.3.1 BARRA因子模型 403
9.3.2 Fama-French方法 408
9.4 主成分分析 408
9.4.1 PCA理論 408
9.4.2 經驗的PCA 410
9.5 統計因子分析 413
9.5.1 估計 414
9.5.2 因子旋轉 415
9.5.3 套用 416
9.6 漸近主成分分析 420
9.6.1 因子個數的選擇 421
9.6.2 例子 422
練習題 424
參考文獻 425
第 10章 多元波動率模型及其套用 426
10.1 指數加權估計 427
10.2 多元GARCH模型 429
10.2.1 對角VEC模型 430
10.2.2 BEKK模型 432
10.3 重新參數化 435
10.3.1 相關係數的套用 435
10.3.2 Cholesky 分解 436
10.4 二元收益率的GARCH模型 439
10.4.1 常相關模型 439
10.4.2 時變相關模型 442
10.4.3 動態相關模型 446
10.5 更高維的波動率模型 452
10.6 因子波動率模型 457
10.7 套用 459
10.8 多元t分布 461
附錄對估計的一些注釋 462
練習題 466
參考文獻 467
第 11章 狀態空間模型和卡爾曼濾波 469
11.1 局部趨勢模型 469
11.1.1 統計推斷 472
11.1.2 卡爾曼濾波 473
11.1.3 預測誤差的性質 475
11.1.4 狀態平滑 476
11.1.5 缺失值 480
11.1.6 初始化效應 480
11.1.7 估計 481
11.1.8 所用的S-Plus命令 482
11.2 線性狀態空間模型 485
11.3 模型轉換 486
11.3.1 帶時變係數的CAPM 487
11.3.2 ARMA模型 489
11.3.3 線性回歸模型 495
11.3.4 帶ARMA誤差的線性回歸模型 496
11.3.5 純量不可觀測項模型 497
11.4 卡爾曼濾波和平滑 499
11.4.1 卡爾曼濾波 499
11.4.2 狀態估計誤差和預測誤差 501
11.4.3 狀態平滑 502
11.4.4 擾動平滑 504
11.5 缺失值 506
11.6 預測 507
11.7 套用 508
練習題 515
參考文獻 516
第 12章 馬爾可夫鏈蒙特卡羅方法及其套用 517
12.1 馬爾可夫鏈模擬 517
12.2 Gibbs抽樣 518
12.3 貝葉斯推斷 520
12.3.1 後驗分布 520
12.3.2 共軛先驗分布 521
12.4 其他算法 524
12.4.1 Metropolis算法 524
12.4.2 Metropolis-Hasting算法 525
12.4.3 格子Gibbs抽樣 525
12.5 帶時間序列誤差的線性回歸 526
12.6 缺失值和異常值 530
12.6.1 缺失值 531
12.6.2 異常值的識別 532
12.7 隨機波動率模型 537
12.7.1 一元模型的估計 537
12.7.2 多元隨機波動率模型 542
12.8 估計隨機波動率模型的新方法 549
12.9 馬爾可夫轉換模型 556
12.10 預測 563
12.11 其他套用 564
練習題 564
參考文獻 565
索引 568
