金融時間序列分析（簡體書）

本書主要介紹了計量經濟學和統計學文獻中出現的金融計量方法方面的最新進展，強調實例和數據分析。特別是包含當前的研究熱點，如風險值、高頻數據分析和馬爾町夫鏈蒙特卡羅方法等。主要內容包括：金融時間序列數據的基本特徵，神經網絡，非線性方法，使用跳躍擴散方程進行衍生產品的定價，采用極值理論計算風險值，帶時變相關係數的多元波動率模型，貝葉斯推斷。
本書可作為金融等專業高年級本科生或研究生的時間序列分析教材，也可供相關專業研究人員參考。

Ruey S.Tsay 于美國威斯康星大學麥迪遜分校獲得統計學博士學位，美國芝加哥大學商學院研究生院經濟計量及統計學的H.G.B.Alexander教授。曾任Journal of Financial Econometrics雜志欄目編輯。

譯者序
前言
第1章 金融時間序列及其特徵
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
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 相關係數和自相關函數
2.3 白噪聲和線性時間序列
2.4 簡單的自回歸模型
2.4.1 AR模型的性質
2.4.2 實際中怎樣識別AR模型
2.4.3 預測
2.5 簡單滑動平均模型
2.5.1 MA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
2.6.1 ARMA（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模型預測
2.6.5 ARMA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 一般的單位根非平穩模型
2.7.4 單位根檢驗
2.8 季節模型
2.8.1 季節性差分
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 長記憶模型
附錄A 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 波動率的特徵
3.2 模型的結構
3.3 ARCIt模型
3.3.1 ARCH模型的性質
3.3.2 ARCH模型的缺點
3.3.3 ARCH模型的建立
3.3.4 例子
3.4 GARCH模型
3.4.1 一個例子
3.4.2 預測的評價
3.5 求和GARCH模型
3.6 GARCH—M模型
3.7 指數GARCH模型
3.7.1 實例說明
3.7.2 另一個例子
3.7.3 用EGARCH模型預測
3.8 CHARMA模型
3.9 隨機系數的自回歸模型
3.10 隨機波動率模型
3.11 長記憶隨機波動率模型
3.12 另一種方法
3.13 應用
3.14 GARCH模型的峰度
附錄A 估計波動率模型的一些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
第6章 連續時間模型及其應用
第7章 極值理論、分位數估計與VaR
第8章 多元時間序列分析及其應用
第9章 多元波動率模型及其應用
第10章 馬爾可夫鏈蒙特卡羅方法的應用
索引