金融時(shí)間序列分析

第1章金融時(shí)間序列及其特征
1.1資產(chǎn)收益率
1.2收益率的分布性質(zhì)
1.2.1統(tǒng)計(jì)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(shù)
1.2.5收益率的經(jīng)驗(yàn)性質(zhì)
1.3其他過(guò)程
練習(xí)題
參考文獻(xiàn)
第2章線性時(shí)間序列分析及其應(yīng)用
2.1平穩(wěn)性
2.2相關(guān)系數(shù)和自相關(guān)函數(shù)
2.3白噪聲和線性時(shí)間序列
2.4簡(jiǎn)單的自回歸模型
2.4.1AR模型的性質(zhì)
2.4.2實(shí)際中怎樣識(shí)別AR模型
2.4.3預(yù)測(cè)
2.5簡(jiǎn)單滑動(dòng)平均模型
2.5.1MA模型的性質(zhì)
2.5.2識(shí)別MA的階
2.5.3估計(jì)
2.5.4用MA模型預(yù)測(cè)
2.6簡(jiǎn)單的ARMA模型
2.6.1ARMA(1,1)模型的性質(zhì)
2.6.2一般的ARMA模型
2.6.3識(shí)別ARMA模型
2.6.4用ARMA模型預(yù)測(cè)
2.6.5ARMA模型的三種表示
2.7單位根非平穩(wěn)性
2.7.1隨機(jī)游動(dòng)
2.7.2帶漂移的隨機(jī)游動(dòng)
2.7.3一般的單位根非平穩(wěn)模型
2.7.4單位根檢驗(yàn)
2.8季節(jié)模型
2.8.1季節(jié)性差分
2.8.2多重季節(jié)性模型
2.9帶時(shí)間序列誤差的回歸模型
2.10長(zhǎng)記憶模型
附錄A一些SCA的命令
練習(xí)題
參考文獻(xiàn)
第3章條件異方差模型
3.1波動(dòng)率的特征
3.2模型的結(jié)構(gòu)
3.3ARCH模型
3.3.1ARCH模型的性質(zhì)
3.3.2ARCH模型的缺點(diǎn)
3.3.3ARCH模型的建立
3.3.4例子
3.4GARCH模型
3.4.1一個(gè)例子
3.4.2預(yù)測(cè)的評(píng)價(jià)
3.5求和GARCH模型
3.6GARCHM模型
3.7指數(shù)GARCH模型
3.7.1實(shí)例說(shuō)明
3.7.2另一個(gè)例子
3.7.3用EGARCH模型預(yù)測(cè)
3.8CHARMA模型
3.9隨機(jī)系數(shù)的自回歸模型
3.10隨機(jī)波動(dòng)率模型
3.11長(zhǎng)記憶隨機(jī)波動(dòng)率模型
3.12另一種方法
3.13應(yīng)用
3.14GARCH模型的峰度
附錄A估計(jì)波動(dòng)率模型的一些RATS程序
練習(xí)題
參考文獻(xiàn)
第4章非線性模型及其應(yīng)用
4.1非線性模型
4.1.1雙線性模型
4.1.2門(mén)限自回歸模型
4.1.3平滑轉(zhuǎn)移AR模型
4.1.4馬爾可夫轉(zhuǎn)換模型
4.1.5非參數(shù)方法
4.1.6函數(shù)系數(shù)AR模型
4.1.7非線性可加AR模型
4.1.8非線性狀態(tài)空間模型
4.1.9神經(jīng)網(wǎng)絡(luò)
4.2非線性檢驗(yàn)
4.2.1非參數(shù)檢驗(yàn)
4.2.2參數(shù)檢驗(yàn)
4.2.3應(yīng)用
4.3建模
4.4預(yù)測(cè)
4.4.1參數(shù)自助法
4.4.2預(yù)測(cè)的評(píng)估
4.5應(yīng)用
附錄A一些關(guān)于非線性波動(dòng)率模型的
RATS程序
附錄B神經(jīng)網(wǎng)絡(luò)的SPlus命令
練習(xí)題
參考文獻(xiàn)
第5章高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)
5.1非同步交易
5.2買(mǎi)賣(mài)報(bào)價(jià)差
5.3交易數(shù)據(jù)的經(jīng)驗(yàn)特征
5.4價(jià)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(xù)期模型
5.5.1ACD模型
5.5.2模擬
5.5.3估計(jì)
5.6非線性持續(xù)期模型
5.7價(jià)格變化和持續(xù)期的二元模型
附錄A一些概率分布的回顧
附錄B危險(xiǎn)率函數(shù)
附錄C持續(xù)期模型的一些RATS程序
練習(xí)題
參考文獻(xiàn)
第6章連續(xù)時(shí)間模型及其應(yīng)用
6.1期權(quán)
6.2一些連續(xù)時(shí)間的隨機(jī)過(guò)程
6.2.1維納過(guò)程
6.2.2一般的維納過(guò)程
6.2.3伊藤過(guò)程
6.3伊藤引理
6.3.1微分回顧
6.3.2隨機(jī)微分
6.3.3一個(gè)應(yīng)用
6.3.4μ和σ的估計(jì)
6.4股票價(jià)格與對(duì)數(shù)收益率的分布
6.5BlackScholes微分方程的推導(dǎo)
6.6BlackScholes定價(jià)公式
6.6.1風(fēng)險(xiǎn)中性世界
6.6.2公式
6.6.3討論
6.7伊藤引理的擴(kuò)展
6.8隨機(jī)積分
6.9跳躍擴(kuò)散模型
6.10連續(xù)時(shí)間模型的估計(jì)
附錄ABS公式積分
附錄B標(biāo)準(zhǔn)正態(tài)概率的近似
練習(xí)題
參考文獻(xiàn)
第7章極值理論、分位數(shù)估計(jì)與VaR
7.1VaR
7.2風(fēng)險(xiǎn)度量制
7.2.1討論
7.2.2多個(gè)頭寸
7.3VaR計(jì)算的經(jīng)濟(jì)計(jì)量方法
7.4分位數(shù)估計(jì)
7.4.1分位數(shù)與次序統(tǒng)計(jì)量
7.4.2分位數(shù)回歸
7.5極值理論
7.5.1極值理論的回顧
7.5.2經(jīng)驗(yàn)估計(jì)
7.5.3股票收益率的應(yīng)用
7.6VaR的極值方法
7.6.1討論
7.6.2多期VaR
7.6.3空頭頭寸的VaR
7.7基于極值理論的一個(gè)新方法
7.7.1統(tǒng)計(jì)理論
7.7.2一個(gè)新方法
7.7.3基于新方法的VaR計(jì)算
7.7.4解釋變量的使用
7.7.5模型檢驗(yàn)
7.7.6解釋
練習(xí)題
參考文獻(xiàn)
第8章多元時(shí)間序列分析及其應(yīng)用
8.1弱平穩(wěn)與交叉相關(guān)矩陣
8.1.1交叉相關(guān)矩陣
8.1.2線性相依性
8.1.3樣本交叉相關(guān)矩陣
8.1.4多元混成檢驗(yàn)
8.2向量自回歸模型
8.2.1VAR（1）模型的平穩(wěn)性條件和矩
8.2.2向量AR（p）模型
8.2.3建立一個(gè)VAR(p)模型
8.3向量滑動(dòng)平均模型
8.4向量ARMA模型
8.5單位根非平穩(wěn)性與協(xié)整
8.6門(mén)限協(xié)整與套利
8.6.1多元門(mén)限模型
8.6.2數(shù)據(jù)
8.6.3估計(jì)
8.7主成分分析
8.7.1PCA理論
8.7.2經(jīng)驗(yàn)的PCA
8.8因子分析
8.8.1估計(jì)
8.8.2因子旋轉(zhuǎn)
8.8.3應(yīng)用
附錄A向量與矩陣的回顧
附錄B多元正態(tài)分布
練習(xí)題
參考文獻(xiàn)
第9章多元波動(dòng)率模型及其應(yīng)用
9.1重新參數(shù)化
9.1.1相關(guān)系數(shù)的應(yīng)用
9.1.2楚列斯基分解
9.2二元收益率的GARCH模型
9.2.1常相關(guān)模型
9.2.2時(shí)變相關(guān)模型
9.3更高維的波動(dòng)率模型
9.4因子波動(dòng)率模型
9.5應(yīng)用
9.6多元t分布
附錄A對(duì)估計(jì)的一些注釋
練習(xí)題
參考文獻(xiàn)
第10章馬爾可夫鏈蒙特卡羅方法的應(yīng)用…
10.1馬爾可夫鏈模擬
10.2吉布斯抽樣
10.3貝葉斯推斷
10.3.1后驗(yàn)分布
10.3.2共軛先驗(yàn)分布
10.4其他算法
10.4.1Metropolis 算法
10.4.2MetropolisHasting算法
10.4.3格子吉布斯抽樣
10.5帶時(shí)間序列誤差的線性回歸
10.6缺失值和異常值
10.6.1缺失值
10.6.2異常值的識(shí)別
10.7隨機(jī)波動(dòng)率模型
10.7.1一元模型的估計(jì)
10.7.2 多元隨機(jī)波動(dòng)率模型
10.8馬爾可夫轉(zhuǎn)換模型
10.9預(yù)測(cè)
10.10其他應(yīng)用
練習(xí)題
參考文獻(xiàn)
索引