金融时间序列分析PDF|Epub|txt|kindle电子书版本网盘下载

金融时间序列分析PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

译者序1

前言1

第1章 金融时间序列及其特征1

1.1　资产收益率2

1.2　收益率的分布性质5

1.2.1　统计分布及其矩的回顾5

1.2.2　收益率的分布7

1.2.3　多元收益率10

1.2.4　收益率的似然函数10

1.2.5　收益率的经验性质10

1.3　其他过程13

练习题15

参考文献16

第2章 线性时间序列分析及其应用17

2.1　平稳性17

2.2　相关系数和自相关函数18

2.3 白噪声和线性时间序列21

2.4　简单的自回归模型22

2.4.1　AR模型的性质23

2.4.2　实际中怎样识别AR模型27

2.4.3　预测30

2.5　简单滑动平均模型32

2.5.1 MA模型的性质33

2.5.2　识别MA的阶34

2.5.3　估计35

2.5.4　用MA模型预测35

2.6.1　ARMA（1,1）模型的性质37

2.6　简单的ARMA模型37

2.6.2　一般的ARMA模型38

2.6.3　识别ARMA模型38

2.6.4　用ARMA模型预测40

2.6.5　ARMA模型的三种表示41

2.7　单位根非平稳性42

2.7.1 随机游动43

2.7.2　带漂移的随机游动43

2.7.3　一般的单位根非平稳模型45

2.7.4　单位根检验46

2.8　季节模型46

2.8.1　季节性差分47

2.8.2　多重季节性模型48

2.9　带时间序列误差的回归模型50

2.10　长记忆模型55

附录A　一些SCA的命令57

练习题58

参考文献60

第3章 条件异方差模型61

3.1　波动率的特征61

3.2　模型的结构62

3.3 ARCH模型64

3.3.1 ARCH模型的性质65

3.3.2 ARCH模型的缺点66

3.3.3 ARCH模型的建立67

3.3.4　例子69

3.4　GARCH模型71

3.4.1 一个例子73

3.5　求和GARCH模型77

3.4.2　预测的评价77

3.6　GARCH-M模型78

3.7　指数GARCH模型79

3.7.1　实例说明80

3.7.2　另一个例子81

3.7.3　用EGARCH模型预测81

3.8　CHARMA模型82

3.9　随机系数的自回归模型84

3.10　随机波动率模型85

3.11　长记忆随机波动率模型85

3.12　另一种方法87

3.13　应用89

3.14　GARCH模型的峰度92

附录A　估计波动率模型的一些RATS程序93

练习题94

参考文献96

第4章 非线性模型及其应用98

4.1　非线性模型99

4.1.1　双线性模型99

4.1.2 门限自回归模型100

4.1.3　平滑转移AR模型104

4.1.4　马尔可夫转换模型105

4.1.5　非参数方法107

4.1.6 函数系数AR模型112

4.1.7　非线性可加AR模型112

4.1.8　非线性状态空间模型113

4.1.9　神经网络113

4.2　非线性检验118

4.2.1　非参数检验118

4.2.2　参数检验120

4.2.3　应用123

4.3　建模124

4.4　预测125

4.4.1　参数自助法125

4.4.2　预测的评估125

4.5　应用127

附录A　一些关于非线性波动率模型的RATS程序130

附录B　神经网络的S-Plus命令131

练习题132

参考文献133

第5章 高频数据分析与市场微观结构136

5.1　非同步交易136

5.2　买卖报价差139

5.3　交易数据的经验特征141

5.4.1　顺序概率值模型146

5.4　价格变化模型146

5.4.2　分解模型148

5.5　持续期模型151

5.5.1　ACD模型153

5.5.2　模拟155

5.5.3　估计158

5.6　非线性持续期模型161

5.7　价格变化和持续期的二元模型163

附录A　一些概率分布的回顾167

附录B　危险率函数169

附录C　持续期模型的一些RATS程序170

练习题171

参考文献173

6.1　期权174

第6章 连续时间模型及其应用174

6.2.1　维纳过程175

6.2　一些连续时间的随机过程175

6.2.2　一般的维纳过程177

6.2.3　伊藤过程177

6.3　伊藤引理178

6.3.1　微分回顾178

6.3.2　随机微分178

6.3.3　一个应用179

6.3.4　μ和σ的估计180

6.4　股票价格与对数收益率的分布181

6.5　Black-Scholes微分方程的推导183

6.6.1　风险中性世界184

6.6.2　公式184

6.6　Black-Scholes定价公式184

6.6.3　讨论186

6.7　伊藤引理的扩展190

6.8　随机积分190

6.9　跳跃扩散模型191

6.10　连续时间模型的估计197

附录A　B-S公式积分197

附录B　标准正态概率的近似198

练习题199

参考文献200

第7章 极值理论、分位数估计与VaR201

7.1　VaR201

7.2　风险度量制203

7.3　VaR计算的经济计量方法205

7.2.2　多个头寸205

7.2.1　讨论205

7.4　分位数估计209

7.4.1　分位数与次序统计量209

7.4.2　分位数回归210

7.5　极值理论211

7.5.1　极值理论的回顾211

7.5.2　经验估计213

7.5.3　股票收益率的应用216

7.6　VaR的极值方法218

7.6.1　讨论220

7.6.2　多期VaR221

7.6.3　空头头寸的VaR222

7.7　基于极值理论的一个新方法222

7.7.1　统计理论223

7.7.2　一个新方法224

7.7.3　基于新方法的VaR计算225

7.7.4　解释变量的使用226

7.7.5　模型检验227

7.7.6　解释228

练习题231

参考文献232

第8章 多元时间序列分析及其应用234

8.1　弱平稳与交叉相关矩阵234

8.1.1　交叉相关矩阵235

8.1.2　线性相依性235

8.1.3　样本交叉相关矩阵236

8.1.4　多元混成检验241

8.2　向量自回归模型242

8.2.1 VAR（1）模型的平稳性条件和矩244

8.2.2　向量AR（p）模型245

8.2.3　建立一个VAR（p）模型246

8.3　向量滑动平均模型249

8.4　向量ARMA模型253

8.5　单位根非平稳性与协整257

8.6　门限协整与套利261

8.6.1　多元门限模型261

8.6.2　数据262

8.6.3　估计263

8.7　主成分分析264

8.7.1　PCA理论264

8.7.2　经验的PCA266

8.8　因子分析269

8.8.1　估计270

8.8.2　因子旋转271

8.8.3　应用271

附录A 量与矩阵的回顾274

附录B　多元正态分布278

练习题279

参考文献280

第9章 多元波动率模型及其应用282

9.1　重新参数化282

9.1.1　相关系数的应用283

9.1.2　楚列斯基分解283

9.2　二元收益率的GARCH模型286

9.2.1　常相关模型286

9.2.2　时变相关模型292

9.3　更高维的波动率模型297

9.4　因子波动率模型302

9.5　应用304

9.6　多元t分布306

附录A　对估计的一些注释307

练习题310

参考文献311

第10章 马尔可夫链蒙特卡罗方法的应用312

10.1　马尔可夫链模拟312

10.2　吉布斯抽样313

10.3　贝叶斯推断315

10.3.1　后验分布315

10.3.2　共轭先验分布316

10.4　其他算法318

10.4.1　Metropolis算法318

10.4.3　格子吉布斯抽样319

10.4.2　Metropolis-Hasting算法319

10.5　带时间序列误差的线性回归320

10.6　缺失值和异常值323

10.6.1　缺失值324

10.6.2　异常值的识别325

10.7　随机波动率模型329

10.7.1　一元模型的估计330

10.7.2 多元随机波动率模型334

10.8　马尔可夫转换模型340

10.9　预测346

10.10　其他应用348

练习题348

参考文献349

索引351