金融時間序列分析(第3版)

第1章 金融時間序列及其特征
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收益率的似然函數
1.2.5收益率的經驗性質
1.3其他過程
附錄R程序包
練習題
參考文獻

第2章 線性時間序列分析及其應用
2.1平穩性
2.2相關系數和自相關函數
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隨機游動
2.7.2帶漂移的隨機游動
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波動率的特征
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隨機系數的自回歸模型
3.12隨機波動率模型
3.13長記憶隨機波動率模型
3.14應用
3.15其他方法
3.15.1高頻數據的應用
3.15.2日開盤價、最高價、最低價和收盤價的應用
3.16GARCH模型的峰度
附錄波動率模型估計中的一些RATS程序
練習題
參考文獻

第4章 非線性模型及其應用
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函數系數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神經網絡
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應用
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應用
附錄A一些關於非線性波動率模型的RATS程序
附錄B神經網絡的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交易數據的經驗特征
5.4價格變化模型
5.4.1順序概率值模型
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應用
附錄A一些概率分布的回顧
附錄B危險率函數
附錄C對持續期模型的一些RATS程序
練習題
參考文獻

第6章 連續時間模型及其應用
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
6.3.3一個應用
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標准正態概率的近似
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在條件正態分布下的預期損失
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對股票收益率的應用
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超額均值函數
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解釋變量的使用
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應用
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脈沖響應函數
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確定性函數的具體化
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多元正態分布
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宏觀經濟因子模型
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應用
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應用
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相關系數的應用
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應用
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帶時變系數的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應用
練習題
參考文獻

第12章 馬爾可夫鏈蒙特卡羅方法及其應用
12.1馬爾可夫鏈模擬
12.2Gibbs抽樣
12.3貝葉斯推斷
12.3.1后驗分布
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其他應用
練習題
參考文獻

索引