金融時間序列分析

定　價(jià)：￥39.00

作　者：	Ruey S.Tsay
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：	中文版
標(biāo)　簽：	數(shù)理統(tǒng)計(jì)

購買這本書可以去

ISBN：	9787111183860	出版時間：	2006-04-01	包裝：	平裝
開本：	小16開	頁數(shù)：	355	字?jǐn)?shù)：

內(nèi)容簡介

　　本書主要介紹了在計(jì)量經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)文獻(xiàn)中出現(xiàn)的金融計(jì)量方法方面的最新進(jìn)展，強(qiáng)調(diào)實(shí)例和數(shù)據(jù)分析。特別是包含當(dāng)前的研究熱點(diǎn)，如風(fēng)險(xiǎn)值、高頻數(shù)據(jù)分析和馬爾可夫鏈蒙特卡羅方法等。主要內(nèi)容包括：金融時間序列數(shù)據(jù)的基本特征，神經(jīng)網(wǎng)絡(luò)，非線性方法，使用跳躍擴(kuò)散方程進(jìn)行衍生產(chǎn)品的定價(jià)，采用極值理論計(jì)算風(fēng)險(xiǎn)值，帶時變相關(guān)系數(shù)的多元波動率模型，貝葉斯推斷。.本書可作為金融等專業(yè)高年級本科生或研究生的時間序列分析教材，也可供相關(guān)專業(yè)研究人員參考。本書綜介介紹金融計(jì)量模型及其住金融時間序列數(shù)據(jù)建模和預(yù)測中的應(yīng)用，可幫助讀者了解金融數(shù)據(jù)的基本特征，掌握金融計(jì)量模型的應(yīng)用，并獲得分析金融時間序列的經(jīng)驗(yàn)。..對計(jì)量經(jīng)濟(jì)學(xué)和統(tǒng)計(jì)學(xué)文獻(xiàn)叫，金融計(jì)量方法方面的最新進(jìn)展進(jìn)行概述址本書的突出特點(diǎn)。這些進(jìn)展包括，氣晌的0f究熱點(diǎn)，如風(fēng)險(xiǎn)值，高頻數(shù)據(jù)分析和馬爾可夫鏈蒙特卡羅方法等。特別是一些在學(xué)術(shù)雜志上尚未發(fā)表的最新成果，如使用跳躍擴(kuò)敞方程進(jìn)行衍生產(chǎn)品的定價(jià)，基于非齊次二維泊松過程的極值理論計(jì)算風(fēng)險(xiǎn)值，以及帶時變相關(guān)系數(shù)的多元波動半模型。此外，本書還介紹了用MCMC方法進(jìn)行金融葉，的貝葉斯推斷。強(qiáng)調(diào)實(shí)例和數(shù)據(jù)分析址本書的另一個突出特點(diǎn)。全書采用實(shí)際金融數(shù)據(jù)說明所討論模型和方法的應(yīng)用。建立線性時問序列模型用SCA；估計(jì)波動率模型剛RATS（時問序列的回歸分析）；實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)和繪制附圖剛S-Plus。用Fortran程序進(jìn)行簡單的期權(quán)定價(jià)、估計(jì)極們模型，計(jì)算風(fēng)險(xiǎn)值和進(jìn)行貝葉斯分析。...

作者簡介

　　Ruey S.Tsay 于美國威斯康星大學(xué)麥迪遜分校獲得統(tǒng)計(jì)學(xué)博士學(xué)位，美國芝加哥大學(xué)商學(xué)院研究生院經(jīng)濟(jì)計(jì)量及統(tǒng)計(jì)學(xué)的H.G.B.Alexander教授。曾任Journal of Financial Econometrics雜志欄目編輯。

圖書目錄

第1章金融時間序列及其特征
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其他過程
練習(xí)題
參考文獻(xiàn)
第2章線性時間序列分析及其應(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白噪聲和線性時間序列
2.4簡單的自回歸模型
2.4.1AR模型的性質(zhì)
2.4.2實(shí)際中怎樣識別AR模型
2.4.3預(yù)測
2.5簡單滑動平均模型
2.5.1MA模型的性質(zhì)
2.5.2識別MA的階
2.5.3估計(jì)
2.5.4用MA模型預(yù)測
2.6簡單的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識別ARMA模型
2.6.4用ARMA模型預(yù)測
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
2.7.2帶漂移的隨機(jī)游動
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帶時間序列誤差的回歸模型
2.10長記憶模型
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
3.4.1一個例子
3.4.2預(yù)測的評價(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)例說明
3.7.2另一個例子
3.7.3用EGARCH模型預(yù)測
3.8CHARMA模型
3.9隨機(jī)系數(shù)的自回歸模型
3.10隨機(jī)波動率模型
3.11長記憶隨機(jī)波動率模型
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
4.4.1參數(shù)自助法
4.4.2預(yù)測的評估
4.5應(yīng)用
附錄A一些關(guān)于非線性波動率模型的
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)分析與市場微觀結(jié)構(gòu)
5.1非同步交易
5.2買賣報(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)時間模型及其應(yīng)用
6.1期權(quán)
6.2一些連續(xù)時間的隨機(jī)過程
6.2.1維納過程
6.2.2一般的維納過程
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(jī)微分
6.3.3一個應(yīng)用
6.3.4μ和σ的估計(jì)
6.4股票價(jià)格與對數(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新方法
7.7.1統(tǒng)計(jì)理論
7.7.2一個新方法
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VAR(p)模型
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(wěn)性與協(xié)整
8.6門限協(xié)整與套利
8.6.1多元門限模型
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時變相關(guān)模型
9.3更高維的波動率模型
9.4因子波動率模型
9.5應(yīng)用
9.6多元t分布
附錄A對估計(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異常值的識別
10.7隨機(jī)波動率模型
10.7.1一元模型的估計(jì)
10.7.2 多元隨機(jī)波動率模型
10.8馬爾可夫轉(zhuǎn)換模型
10.9預(yù)測
10.10其他應(yīng)用
練習(xí)題
參考文獻(xiàn)
索引