本书全面阐述了金融时间序列，并主要介绍了金融时间序列理论和方法的当前研究热点和一些最新研究成果，尤其是风险值计算、高频数据分析、随机波动率建模和马尔科夫链蒙特卡罗方法等方面。此外，本书还系统阐述了金融计量经济模型及其在金融时间序列数据和建模中的应用，所有模型和方法的运用均采用实际金融数据，并给出了所用计算机软件的命令。较之第1版，本版主要在新的发展和实证分析方面进行了更新，新增了状态空间模型和Kalman滤波以及S-Plus命令等内容。 本书可作为时间序列分析的教材，也适用于商学、经济学、数学和统计学专业对金融的计量经济学感兴趣的高年级本科生和研究生，同时，也可作为商业、金融、保险等领域专业人士的参考书。
作者简介
Ruey S，Tsay（蔡瑞胸），美国芝加哥大学布斯商学院经济计量及统计学的H G．B．Alexande r讲席教授。1 982年于美国威斯康星大学麦迪逊分校获得统计学博士学位。中国台湾“中央研究院”院士，美国统计协会和数理统计学会的会士，Journal of Forecastin9的联合主编，Journal of FinancialEconometrics的副主编。曾任美国统计学会商务与经济统计分会主席、《商务与经济统计》期刊主编。
目录：
第1章 金融时间序列及其特征
1.1 资产收益率
1.2 收益率的分布性质
1.3 其他过程
练习题
参考文献
第2章 线性时间序列分析及其应用
2.1 平稳性
2.2 相关系数和自相关函数
2.3 白噪声和线性时间序列
2.4 简单的自回归模型
2.5 简单滑动平均模型
2.6 简单的ARMA模型
2.7 单位根非平稳性
2.8 季节模型
2.9 带时间序列误差的回归模型
2.10 协方差矩阵的相合估计
2.11 长记忆模型
附录 一些SCA的命令
练习题
参考文献
第3章 条件异方差模型
3.1 波动率的特征
3.2 模型的结构
3.3 建模
3.4 ARCH模型
3.5 GARCH模型
3.6 求和GARCH模型
3.7 GARCH-M模型
3.8 指数GARCH模型
3.9 门限GARCH模型
3.10 CHARMA模型
3.11 随机系数的自回归模型
3.12 随机波动率模型
3.13 长记忆随机波动率模型
3.14 应用
3.15 其他方法
3.16 GARCH模型的峰度
附录 波动率模型估计中的一些RATS程序
练习题
参考文献
第4章 非线性模型及其应用
4.1 非线性模型
4.2 非线性检验
4.3 建模
4.4 预测
4.5 应用
附录A 一些关于非线性波动率模型的RATS程序
附录B 神经网络的S-Plus命令
练习题
参考文献
第5章 高频数据分析与市场微观结构
5.1 非同步交易
5.2 买卖报价差
5.3 交易数据的经验特征
5.4 价格变化模型
5.5 持续期模型
5.6 非线性持续期模型
5.7 价格变化和持续期的二元模型
附录A 一些概率分布的回顾
附录B 危险率函数
附录C 对持续期模型的一些RATS程序
练习题
参考文献
第6章 连续时间模型及其应用
第7章 极值理论、分位数估计与风险值
第8章 多元时间序列分析及其应用
第9章 主成分分析和因子模型
第10章 多元波动率模型及其应用
第11章 状态空间模型和卡尔曼滤波
第12章 马尔可夫链蒙特卡罗方法及其应用
索引
|
