金融時間序列建模分析

內容簡介

該書的結構安排和主要內容如下：

第1章導言部分為問題提出、研究思路及篇章結構安排。

第2章通過對金融市場中投資者的投資決策行為進行經濟學分析，解釋高頻金融時序的尖峰肥尾、波動集束、條件方差時變性和長記憶性等統計特徵，也即解釋這些公認的金融現象產生的原因是什麼。

第3章使用極值理論估計並檢驗度量高頻金融時序的肥尾程式的參數——尾指數，討論尾指數在風險管理中的套用。

第3章使用極值理論及相關知識，局部擬合收益率的分布或密度，有效地估計和預測風險值，避免因整體擬合失真而導致估計與預測的無效。

在第3章的建模過程中，均使用方法論研究與實踐分析相結合的分析方法。

第4章論金融時序長記憶參數的估計，主要考慮涉及分整參數的ARFIMA的模型、高斯半參數方法和GPH非參數估計方法，並套用於深滬兩市的收益率的長記憶性的實證分析。

第5章為時間順序的單位根或平穩檢測。

第6章較系統地隨機模擬分析具有GARCH-error金融時序的ADF單位根檢驗問題，它是第5章的時一步深化和創新。

第6章的實證分析表明偽GARCH現象的存在可能源於GARCH模型設定的隨意性和非系統性。

圖書目錄

1 導言

1.1 問題的提出與研究思路

1.2 結構安排和主要內容

2 高頻金融時序統計特徵與投資主體行為分析

2.1 前言

2.2 高頻時間序列統計特徵

2.3 投資主體行為分析

2.4 淺議傳統與現代建模方法

3 肥尾度量與風險刻畫

3.1 引言

3.2 肥尾描述

3.3 極值理論基礎

3.4 尾指數估計與檢測

3.5 三收益率尾指數估計

3.6 風險值的估計與預測

4 長記憶參數估計

4.1 前言

4.2 長記憶參數d的估計

4.3 shr96和szr96時序的長記憶參數估計

4.4 ARFIMA模型長記憶參數的模擬比較

4.5 對長記憶參數估計的時一步思想

5 時間序列平穩性檢測

5.1 前言

5.2 時間序列平穩性檢驗

5.3 單位根檢測

5.4 KPSS平穩性檢測

5.5 動態I（1）和I（0）檢測

5.6 變參數模型與時序的穩定性分析

5.7 隨機模擬與實證分析

6 具有GARCH-error的單位根檢測

6.1 問題的提出

6.2 試驗設計

6.3 經典DF單位根檢測

6.4 具有GARCH-normal error的ADF單位根檢驗

……

7 GARCH模型分析與套用

附錄1 LM、LR和Wald檢驗

附錄2 信息準則

附錄3 分整時序隨機數生成程式

附錄4 動態ADF單位根檢驗程度

金融時間序列建模分析

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條