金融計量經濟學基礎：工具、概念和資產管理套用

《金融計量經濟學基礎：工具、概念和資產管理套用》是2019年10月機械工業出版社出版的圖書，作者是[美]弗蘭克·J. 法博齊（Frank J. Fabozzi）、[美]塞爾吉奧M.。

基本介紹

• 中文名：金融計量經濟學基礎：工具、概念和資產管理套用
• 作者：[美]弗蘭克·J. 法博齊（Frank J. Fabozzi）、[美]塞爾吉奧M.
• 出版社：機械工業出版社
• 出版時間：2019年10月
• 定價：79 元
• 開本：16 開
• 裝幀：平裝
• ISBN：9787111634584

內容簡介

隨著數量金融專業的不斷興起，金融計量經濟學在金融領域的套用變得十分重要，它可以提供分析模型用以確定複雜的金融產品結構，也可以用來估值和進行風險評估。本書涵蓋金融計量經濟學的常用技術，避免使用不必要的數學和統計模型分析，且強調基礎理論和套用。本書主要討論了回歸分析模型、因子分析、風險分析和時間序列分析。另外，本書也配套了教學資源，讀者可以在上面查到大量的真實案例和*新的研究內容，比如信貸得分、對沖固定收益證券、平衡資產組合等等。

圖書目錄

譯者序

前言

致謝

關於作者

第1章　導論1

學習目標1

1.1　金融計量經濟學的步驟2

1.1.1　模型選擇2

1.1.2　模型估計3

1.1.3　模型檢驗4

1.2　數據生成過程5

1.3　金融計量經濟學在投資管理領域的套用6

1.3.1　資產配置6

1.3.2　投資組合的構建7

1.3.3　投資組合的風險管理8

要點回顧10

第2章　簡單線性回歸12

學習目標12

2.1　相關性的作用12

2.2　回歸模型：兩個變數之間的線性函式關係14

2.3　回歸模型的分布假設15

2.4　回歸模型的估計17

2.5　模型的擬合優度20

2.6　簡單線性回歸在金融領域的兩個套用22

2.6.1　估計共同基金的特徵線22

2.6.2　控制股票投資組合的風險26

2.7　非線性關係的線性回歸33

要點回顧34

第3章　多元線性回歸模型36

學習目標36

3.1　多元線性回歸模型概述36

3.2　多元線性回歸模型的假設37

3.3　模型參數的估計38

3.4　模型設計40

3.5　診斷檢驗及模型顯著性40

3.5.1　模型的顯著性檢驗41

3.5.2　自變數顯著性的檢驗43

3.5.3　新增變數的F檢驗43

3.6　多元線性回歸在金融領域的套用44

3.6.1　久期的估計44

3.6.2　預測10年期國債收益率52

3.6.3　基準的選擇：夏普基準59

3.6.4　基於收益率的對沖基金投資風格分析61

3.6.5　抵押市場的溢價/折價分析63

3.6.6　強式定價效率檢驗65

3.6.7　資本資產定價模型的檢驗67

3.6.8　多因子模型的證明69

要點回顧70

第4章　建立和檢驗多重線性回歸模型72

學習目標72

4.1　多重線性問題72

4.2　建模技術75

4.2.1　逐步包含回歸方法76

4.2.2　逐步排除回歸方法77

4.2.3　標準的逐步回歸方法77

4.2.4　逐步回歸方法的套用77

4.3　多元線性回歸模型的假設檢驗78

4.3.1　線性檢驗80

4.3.2　關於誤差項的假定統計特性81

4.3.3　殘差的常態分配檢驗82

4.3.4　驗證誤差項的常方差（同方差性）83

4.3.5　殘差的非自相關85

要點回顧88

第5章　時間序列分析簡介91

學習目標91

5.1　時間序列91

5.2　時間序列的分解93

5.3　用差分方程表示時間序列96

5.4　套用：價格波動過程97

5.4.1　隨機遊走模型97

5.4.2　誤差修正模型99

要點回顧100

第6章　回歸模型中的分類變數102　學習目標102

6.1　自變數為分類變數103

6.2　因變數為分類變數123

6.2.1　線性機率模型123

6.2.2　probit回歸模型124

6.2.3　logit回歸模型125

要點回顧125

第7章　分位數回歸127

學習目標127

7.1　經典回歸分析的局限性128

7.2　參數估計128

7.3　分位數回歸過程129

7.4　分位數回歸在金融領域的套用131

7.4.1　投資組合管理者風格的決定因素132

7.4.2　影響資本結構的決定因素134

要點回顧137

第8章　穩健回歸138

學習目標138

8.1　穩健回歸估計139

8.2　協方差和相關矩陣的穩健估計145

8.3　套用147

要點回顧148

第9章　自回歸移動平均模型149

學習目標149

9.1　自回歸模型150

9.2　移動平均模型153

9.3　自回歸移動平均模型概述155

9.4　使用ARMA模型預測標準普爾500指數的周收益158

9.5　向量自回歸模型162

要點回顧163

第10章　協整164

學習目標164

10.1　平穩、非平穩時間序列和協整165

10.2　協整關係檢驗169

10.2.1　Engle-Granger協整檢驗169

10.2.2　Johansen-Juselius協整檢驗176

要點回顧181

第11章　自回歸異方差模型及其擴展182

學習目標182

11.1　估計和預測時間序列的波動性183

11.2　ARCH模型184

11.2.1　ARCH行為184

11.2.2　ARCH模型表現187

11.2.3　ARCH均值模型191

11.3　GARCH模型191

11.3.1　ARCH/GARCH模型套用193

11.3.2　GARCH模型的單變數擴展194

11.3.3　ARCH/GARCH模型的參數估計196

11.3.4　GARCH模型在期權定價上的套用196

11.3.5　ARCH/GARCH模型的多元擴展197

要點回顧200

第12章　因子分析和主成分分析201

學習目標201

12.1　線性回歸的假設202

12.2　因子模型的基本概念203

12.3　因子模型的假設和分類206

12.4　因子模型與線性回歸的異同206

12.5　因子模型的性質207

12.6　因子模型的估計209

12.6.1　因子的不確定性問題209

12.6.2　因子的數量估量210

12.6.3　模型參數估計210

12.6.4　因子的估計214

12.6.5　其他類型的因子模型216

12.7　主成分分析216

12.7.1　主成分分析步驟216

12.7.2　主成分分析的過程224

12.8　因子分析與主成分分析之間的差異224

12.9　近似（大）因子模型225

12.10　近似因子模型和主成分分析226

要點回顧227

第13章　模型估計229

學習目標229

13.1　統計估計與檢驗229

13.2　估計方法231

13.3　最小二乘估計法232

13.3.1　普通最小二乘估計法237

13.3.2　加權最小二乘估計法238

13.3.3　廣義最小二乘估計法240

13.4　極大似然估計法240

13.4.1　極大似然估計在回歸模型中的套用之一241

13.4.2　極大似然估計在回歸模型中的套用之二242

13.4.3　極大似然估計在因子模型中的套用244

13.5　工具變數估計法244

13.6　矩估計法245

13.7　M估計方法和M估計量250

要點回顧250

第14章　模型選擇251

學習目標251

14.1　物理和經濟學：科學的兩種途徑251

14.2　對複雜性建模和樣本容量253

14.3　數據透視255

14.4　倖存者偏差和其他樣本缺陷256

14.5　模型風險259

14.6　模型選擇小結260

要點回顧262

第15章　使用金融計量經濟模型構建和實施投資策略264

學習目標264

15.1　量化研究過程265

15.1.1　基於金融經濟理論形成一個事前的合理推斷266

15.1.2　避免樣本中的倖存者偏差267

15.1.3　選擇模型的估計方法268

15.1.4　擬合和預測的權衡268

15.1.5　情緒的影響270

15.1.6　統計顯著並不能保證alpha271

15.2　投資策略的構建過程272

15.2.1　建立估計預期收益的模型272

15.2.2　獨立的風險控制274

要點回顧276

附錄A　描述性統計277

附錄B　金融計量經濟學常用的連續機率分布297

附錄C　推斷統計311

附錄D　矩陣代數基礎332

附錄E　模型選擇準則：AIC和BIC343

附錄F　穩健統計347