編輯推薦
書中提供了豐富的S-Plus代碼，可供讀者實踐學習。內容簡介
《金融時間序列分析(第2版)》全面闡述了金融時間序列，並主要介紹了金融時間序列理論和方法的當前研究熱點和一些最新研究成果，尤其是風險值計算、高頻數據分析、隨機波動率建模和馬爾科夫鏈蒙特卡羅方法等方面。此外，《金融時間序列分析(第2版)》還系統闡述了金融計量經濟模型及其在金融時間序列數據和建模中的套用，所有模型和方法的運用均採用實際金融數據，並給出了所用計算機軟體的命令。較之第1版，本版主要在新的發展和實證分析方面進行了更新，新增了狀態空間模型和Kalman濾波以及S-Plus命令等內容。《金融時間序列分析(第2版)》可作為時間序列分析的教材，也適用於商學、經濟學、數學和統計學專業對金融的計量經濟學感興趣的高年級本科生和研究生，同時，也可作為商業、金融、保險等領域專業人士的參考書。
作者簡介
RueyS，Tsay（蔡瑞胸），美國芝加哥大學布斯商學院經濟計量及統計學的HG．B．Alexander講席教授。1982年於美國威斯康星大學麥迪遜分校獲得統計學博士學位。中國台灣“中央研究院”院士，美國統計協會和數理統計學會的會士，JournalofForecastin9的聯合主編，JournalofFinancialEconometrics的副主編。曾任美國統計學會商務與經濟統計分會主席、《商務與經濟統計》期刊主編。媒體評論
“一本相當精彩的書！同它失之交臂將是所有從事時間序列分析研究的人的重大損失。”——《統計計算與模擬》雜誌
“本書對金融時間序列進行了完美闡述。對於既要充實理論概念又要豐富實際套用體驗的人來說，這是一部寶典！”
——美國數學協會
目錄
第1章金融時間序列及其特徵11.1資產收益率2
1.2收益率的分布性質6
1.2.1統計分布及其矩的回顧6
1.2.2收益率的分布11
1.2.3多元收益率15
1.2.4收益率的似然函式15
1.2.5收益率的經驗性質16
1.3其他過程17
練習題20
參考文獻20
第2章線性時間序列分析及其套用21
2.1平穩性21
2.2相關係數和自相關函式22
2.3白噪聲和線性時間序列26
2.4簡單的自回歸模型28
2.4.1AR模型的性質28
2.4.2實際中怎樣識別AR模型35
2.4.3擬合優度40
2.4.4預測41
2.5簡單滑動平均模型43
2.5.1MA模型的性質45
2.5.2識別MA的階46
2.5.3估計47
2.5.4用MA模型預測47
2.6簡單的ARMA模型49
2.6.1ARMA(1，1)模型的性質49
2.6.2一般的ARMA模型51
2.6.3識別ARMA模型51
2.6.4用ARMA模型進行預測53
2.6.5ARMA模型的三種表示54
2.7單位根非平穩性56
2.7.1隨機遊動56
2.7.2帶漂移的隨機遊動57
2.7.3帶趨勢項的時間序列59
2.7.4一般的單位根非平穩模型59
2.7.5單位根檢驗60
2.8季節模型63
2.8.1季節性差分化64
2.8.2多重季節性模型65
2.9帶時間序列誤差的回歸模型70
2.10協方差矩陣的相合估計75
2.11長記憶模型77
附錄一些SCA的命令79
練習題81
參考文獻83
第3章條件異方差模型85
3.1波動率的特徵86
3.2模型的結構86
3.3建模88
3.4ARCH模型90
3.4.1ARCH模型的性質91
3.4.2ARCH模型的缺點92
3.4.3ARCH模型的建立93
3.4.4一些例子95
3.5GARCH模型99
3.5.1實例說明102
3.5.2預測的評估106
3.5.3兩步估計方法106
3.6求和GARCH模型107
3.7GARCH-M模型108
3.8指數GARCH模型109
3.8.1模型的另一種形式110
3.8.2實例說明110
3.8.3另一個例子111
3.8.4用EGARCH模型進行預測113
3.9門限GARCH模型114
3.10CHARMA模型115
3.11隨機係數的自回歸模型117
3.12隨機波動率模型118
3.13長記憶隨機波動率模型118
3.14套用119
3.15其他方法123
3.15.1高頻數據的套用123
3.15.2日開盤價、最高價、最低價和收盤價的套用125
3.16GARCH模型的峰度127
附錄波動率模型估計中的一些RATS程式129
練習題130
參考文獻132
第4章非線性模型及其套用135
4.1非線性模型136
4.1.1雙線性模型137
4.1.2門限自回歸模型138
4.1.3平滑轉移AR(STAR)模型142
4.1.4馬爾可夫轉換模型144
4.1.5非參數方法146
4.1.6函式係數AR模型153
4.1.7非線性可加AR模型154
4.1.8非線性狀態空間模型154
4.1.9神經網路154
4.2非線性檢驗159
4.2.1非參數檢驗160
4.2.2參數檢驗162
4.2.3套用166
4.3建模167
4.4預測167
4.4.1參數自助法168
4.4.2預測的評估168
4.5套用170
附錄A一些關於非線性波動率模型的RATS程式173
附錄B神經網路的S-Plus命令174
練習題175
參考文獻176
第5章高頻數據分析與市場微觀結構180
5.1非同步交易180
5.2買賣報價差184
5.3交易數據的經驗特徵185
5.4價格變化模型190
5.4.1順序機率值模型190
5.4.2分解模型193
5.5持續期模型197
5.5.1ACD模型199
5.5.2模擬200
5.5.3估計202
5.6非線性持續期模型206
5.7價格變化和持續期的二元模型207
附錄A一些機率分布的回顧211
附錄B危險率函式214
附錄C對持續期模型的一些RATS程式215
練習題216
參考文獻218
第6章連續時間模型及其套用219
6.1期權220
6.2一些連續時間的隨機過程220
6.2.1維納過程220
6.2.2廣義維納過程222
6.2.3伊藤過程223
6.3伊藤引理223
6.3.1微分回顧223
6.3.2隨機微分224
6.3.3一個套用225
6.3.4μ和σ的估計226
6.4股票價格與對數收益率的分布227
6.5B-S微分方程的推導229
6.6B-S定價公式230
6.6.1風險中性世界230
6.6.2公式231
6.6.3歐式期權的下界233
6.6.4討論234
6.7伊藤引理的擴展237
6.8隨機積分238
6.9跳躍擴散模型239
6.10連續時間模型的估計245
附錄AB-S公式積分246
附錄B標準正態機率的近似247
練習題247
參考文獻248
第7章極值理論、分位數估計與風險值250
7.1風險值250
7.2風險度量制252
7.2.1討論254
7.2.2多個頭寸255
7.3VaR計算的計量經濟方法255
7.4分位數估計260
7.4.1分位數與次序統計量260
7.4.2分位數回歸261
7.5極值理論262
7.5.1極值理論的回顧262
7.5.2經驗估計265
7.5.3對股票收益率的套用267
7.6VaR的極值方法271
7.6.1討論273
7.6.2多期VaR275
7.6.3空頭頭寸的VaR275
7.6.4收益率水平275
7.7基於極值理論的一個新方法276
7.7.1統計理論277
7.7.2超額均值函式279
7.7.3極值建模的一個新方法280
7.7.4基於新方法的計算282
7.7.5參數化的其他方法283
7.7.6解釋變數的使用286
7.7.7模型檢驗287
7.7.8說明288
練習題291
參考文獻293
第8章多元時間序列分析及其套用294
8.1弱平穩與交叉-相關矩陣294
8.1.1交叉-相關矩陣295
8.1.2線性相依性296
8.1.3樣本交叉-相關矩陣297
8.1.4多元混成檢驗301
8.2向量自回歸模型302
8.2.1簡化形式和結構形式303
8.2.2VAR(1)模型的平穩性條件和矩305
8.2.3向量AR(p)模型306
8.2.4建立一個VAR(p)模型308
8.2.5脈衝回響函式314
8.3向量滑動平均模型317
8.4向量ARMA模型322
8.5單位根非平穩性與協整327
8.6協整VAR模型330
8.6.1確定性函式的具體化332
8.6.2最大似然估計333
8.6.3協整檢驗334
8.6.4協整VAR模型的預測335
8.6.5例子335
8.7門限協整與套利340
8.7.1多元門限模型341
8.7.2數據341
8.7.3估計342
附錄A向量與矩陣的回顧344
附錄B多元常態分配348
附錄C一些SCA命令349
練習題350
參考文獻351
第9章主成分分析和因子模型353
9.1因子模型353
9.2巨觀經濟因子模型355
9.2.1單因子模型355
9.2.2多因子模型359
9.3基本面因子模型361
9.3.1BARRA因子模型361
9.3.2Fama-French方法366
9.4主成分分析366
9.4.1PCA理論366
9.4.2經驗的PCA368
9.5統計因子分析371
9.5.1估計372
9.5.2因子旋轉373
9.5.3套用374
9.6漸近主成分分析379
9.6.1因子個數的選擇379
9.6.2例子380
練習題382
參考文獻383
第10章多元波動率模型及其套用385
10.1指數加權估計386
10.2多元GARCH模型388
10.2.1對角VEC模型389
10.2.2BEKK模型391
10.3重新參數化393
10.3.1相關係數的套用393
10.3.2cholesky分解395
10.4二元收益率的GARCH模型398
10.4.1常相關模型398
10.4.2時變相關模型402
10.4.3最近的一些發展406
10.5更高維的波動率模型407
10.6因子波動率模型412
10.7套用414
10.8多元t分布416
附錄對估計的一些注釋417
練習題422
參考文獻422
第11章狀態空間模型和卡爾曼濾波424
11.1局部趨勢模型424
11.1.1統計推斷427
11.1.2卡爾曼濾波428
11.1.3預測誤差的性質430
11.1.4狀態平滑431
11.1.5缺失值435
11.1.6初始化效應435
11.1.7估計436
11.1.8所用的S-Plus命令437
11.2線性狀態空間模型440
11.3模型轉換441
11.3.1帶時變係數的CAPM442
11.3.2ARMA模型444
11.3.3線性回歸模型450
11.3.4帶ARMA誤差的線性回歸模型451
11.3.5純量不可觀測項模型452
11.4卡爾曼濾波和平滑454
11.4.1卡爾曼濾波454
11.4.2狀態估計誤差和預測誤差456
11.4.3狀態平滑457
11.4.4擾動平滑459
11.5缺失值461
11.6預測462
11.7套用463
練習題469
參考文獻470
第12章馬爾可夫鏈蒙特卡羅方法及其套用472
12.1馬爾可夫鏈模擬472
12.2Gibbs抽樣473
12.3貝葉斯推斷475
12.3.1後驗分布475
12.3.2共軛先驗分布476
12.4其他算法479
12.4.1Metropolis算法479
12.4.2Metropolis-Hasting算法480
12.4.3格子Gibbs抽樣480
12.5帶時間序列誤差的線性回歸481
12.6缺失值和異常值485
12.6.1缺失值485
12.6.2異常值的識別487
12.7隨機波動率模型491
12.7.1一元模型的估計492
12.7.2多元隨機波動率模型496
12.8估計隨機波動率模型的新方法502
12.9馬爾可夫轉換模型510
12.10預測516
12.11其他套用518
練習題518
參考文獻518
前言
近年來金融時間序列這個研究領域已經引起了人們廣泛的關注，尤其是當2003年RobertEngle教授和cliveGranger教授獲得諾貝爾經濟學獎之後，與此同時，金融計量經濟學領域也有了新的發展，尤其是在高頻金融、隨機波動率以及可用性軟體方面，於是我們需要為高年級本科生、研究生、技術人員以及研究人員提供一套更為完善易懂的素材，在準備第2版時我們的主要目的是在新的發展和實證分析方面進行更新，並且擴大這本書的核心素材，將異方差和序列相關存在時的相合協方差估計、波動率建模的備選方法、金融因子模型、狀態空間模型、卡爾曼濾波以及隨機擴散模型的估計也包含了進來，因此本書擴展到了12章，而且本書另一個重要的修改是包含了S—Plus命令和說明，本版同時更新了許多實證例子和練習，使其包含了最近的數據，
新增的兩章是第9章主成分分析及因子模型，與第11章狀態空間模型和卡爾曼濾波，本書所討論的因子模型包含了巨觀經濟因子模型、基本面的因子模型和統計因子模型，對於分析像組合收益這樣的高維金融數據，這些模型是簡單而有力的工具，為說明其套用，本書給出了實證的例子，新增的狀態空間模型和卡爾曼濾波是為了闡明其在金融中的套用以及容易計算的特點，第12章中，在一般馬爾科夫鏈蒙特卡羅(McMc)框架下，狀態空間模型和卡爾曼濾波可用來估計隨機波動率模型，該估計還用到了向前濾波和向後抽樣的方法以增加計算效率。
