成功加入购物车
正版现货!实物拍摄,品相成色自定!高于原价出售!【售出后不退不换货哦!!!】有疑问请联系商家!确认好在下单!以免争议!
[美] 蔡瑞胸 著; 王辉 、 潘家柱 译 / 人民邮电出版社 / 2009-06 / 平装
售价 ¥ 89.00
品相 九品品相描述
优惠 满包邮
延迟发货说明
上书时间2021-01-21
卖家超过10天未登录
金融时间序列分析
《金融时间序列分析(第2版)》全面阐述了金融时间序列,并主要介绍了金融时间序列理论和方法的当前研究热点和一些最新研究成果,尤其是风险值计算、高频数据分析、随机波动率建模和马尔科夫链蒙特卡罗方法等方面。此外,《金融时间序列分析(第2版)》还系统阐述了金融计量经济模型及其在金融时间序列数据和建模中的应用,所有模型和方法的运用均采用实际金融数据,并给出了所用计算机软件的命令。较之第1版,本版主要在新的发展和实证分析方面进行了更新,新增了状态空间模型和Kalman滤波以及S-Plus命令等内容。
《金融时间序列分析(第2版)》可作为时间序列分析的教材,也适用于商学、经济学、数学和统计学专业对金融的计量经济学感兴趣的高年级本科生和研究生,同时,也可作为商业、金融、保险等领域专业人士的参考书。
RueyS,Tsay(蔡瑞胸),美国芝加哥大学布斯商学院经济计量及统计学的HG.B.Alexander讲席教授。1982年于美国威斯康星大学麦迪逊分校获得统计学博士学位。中国台湾“中央研究院”院士,美国统计协会和数理统计学会的会士,JournalofForecastin9的联合主编,JournalofFinancialEconometrics的副主编。曾任美国统计学会商务与经济统计分会主席、《商务与经济统计》期刊主编。
第1章金融时间序列及其特征11.1资产收益率21.2收益率的分布性质61.2.1统计分布及其矩的回顾61.2.2收益率的分布111.2.3多元收益率151.2.4收益率的似然函数151.2.5收益率的经验性质161.3其他过程17练习题20参考文献20第2章线性时间序列分析及其应用212.1平稳性212.2相关系数和自相关函数222.3白噪声和线性时间序列262.4简单的自回归模型282.4.1AR模型的性质282.4.2实际中怎样识别AR模型352.4.3拟合优度402.4.4预测412.5简单滑动平均模型432.5.1MA模型的性质452.5.2识别MA的阶462.5.3估计472.5.4用MA模型预测472.6简单的ARMA模型492.6.1ARMA(1,1)模型的性质492.6.2一般的ARMA模型512.6.3识别ARMA模型512.6.4用ARMA模型进行预测532.6.5ARMA模型的三种表示542.7单位根非平稳性562.7.1随机游动562.7.2带漂移的随机游动572.7.3带趋势项的时间序列592.7.4一般的单位根非平稳模型592.7.5单位根检验602.8季节模型632.8.1季节性差分化642.8.2多重季节性模型652.9带时间序列误差的回归模型702.10协方差矩阵的相合估计752.11长记忆模型77附录一些SCA的命令79练习题81参考文献83第3章条件异方差模型853.1波动率的特征863.2模型的结构863.3建模883.4ARCH模型903.4.1ARCH模型的性质913.4.2ARCH模型的缺点923.4.3ARCH模型的建立933.4.4一些例子953.5GARCH模型993.5.1实例说明1023.5.2预测的评估1063.5.3两步估计方法1063.6求和GARCH模型1073.7GARCH-M模型1083.8指数GARCH模型1093.8.1模型的另一种形式1103.8.2实例说明1103.8.3另一个例子1113.8.4用EGARCH模型进行预测1133.9门限GARCH模型1143.10CHARMA模型1153.11随机系数的自回归模型1173.12随机波动率模型1183.13长记忆随机波动率模型1183.14应用1193.15其他方法1233.15.1高频数据的应用1233.15.2日开盘价、最高价、最低价和收盘价的应用1253.16GARCH模型的峰度127附录波动率模型估计中的一些RATS程序129练习题130参考文献132第4章非线性模型及其应用1354.1非线性模型1364.1.1双线性模型1374.1.2门限自回归模型1384.1.3平滑转移AR(STAR)模型1424.1.4马尔可夫转换模型1444.1.5非参数方法1464.1.6函数系数AR模型1534.1.7非线性可加AR模型1544.1.8非线性状态空间模型1544.1.9神经网络1544.2非线性检验1594.2.1非参数检验1604.2.2参数检验1624.2.3应用1664.3建模1674.4预测1674.4.1参数自助法1684.4.2预测的评估1684.5应用170附录A一些关于非线性波动率模型的RATS程序173附录B神经网络的S-Plus命令174练习题175参考文献176第5章高频数据分析与市场微观结构1805.1非同步交易1805.2买卖报价差1845.3交易数据的经验特征1855.4价格变化模型1905.4.1顺序概率值模型1905.4.2分解模型1935.5持续期模型1975.5.1ACD模型1995.5.2模拟2005.5.3估计2025.6非线性持续期模型2065.7价格变化和持续期的二元模型207附录A一些概率分布的回顾211附录B危险率函数214附录C对持续期模型的一些RATS程序215练习题216参考文献218第6章连续时间模型及其应用2196.1期权2206.2一些连续时间的随机过程2206.2.1维纳过程2206.2.2广义维纳过程2226.2.3伊藤过程2236.3伊藤引理2236.3.1微分回顾2236.3.2随机微分2246.3.3一个应用2256.3.4μ和σ的估计2266.4股票价格与对数收益率的分布2276.5B-S微分方程的推导2296.6B-S定价公式2306.6.1风险中性世界2306.6.2公式2316.6.3欧式期权的下界2336.6.4讨论2346.7伊藤引理的扩展2376.8随机积分2386.9跳跃扩散模型2396.10连续时间模型的估计245附录AB-S公式积分246附录B标准正态概率的近似247练习题247参考文献248第7章极值理论、分位数估计与风险值2507.1风险值2507.2风险度量制2527.2.1讨论2547.2.2多个头寸2557.3VaR计算的计量经济方法2557.4分位数估计2607.4.1分位数与次序统计量2607.4.2分位数回归2617.5极值理论2627.5.1极值理论的回顾2627.5.2经验估计2657.5.3对股票收益率的应用2677.6VaR的极值方法2717.6.1讨论2737.6.2多期VaR2757.6.3空头头寸的VaR2757.6.4收益率水平2757.7基于极值理论的一个新方法2767.7.1统计理论2777.7.2超额均值函数2797.7.3极值建模的一个新方法2807.7.4基于新方法的计算2827.7.5参数化的其他方法2837.7.6解释变量的使用2867.7.7模型检验2877.7.8说明288练习题291参考文献293第8章多元时间序列分析及其应用2948.1弱平稳与交叉-相关矩阵2948.1.1交叉-相关矩阵2958.1.2线性相依性2968.1.3样本交叉-相关矩阵2978.1.4多元混成检验3018.2向量自回归模型3028.2.1简化形式和结构形式3038.2.2VAR(1)模型的平稳性条件和矩3058.2.3向量AR(p)模型3068.2.4建立一个VAR(p)模型3088.2.5脉冲响应函数3148.3向量滑动平均模型3178.4向量ARMA模型3228.5单位根非平稳性与协整3278.6协整VAR模型3308.6.1确定性函数的具体化3328.6.2最大似然估计3338.6.3协整检验3348.6.4协整VAR模型的预测3358.6.5例子3358.7门限协整与套利3408.7.1多元门限模型3418.7.2数据3418.7.3估计342附录A向量与矩阵的回顾344附录B多元正态分布348附录C一些SCA命令349练习题350参考文献351第9章主成分分析和因子模型3539.1因子模型3539.2宏观经济因子模型3559.2.1单因子模型3559.2.2多因子模型3599.3基本面因子模型3619.3.1BARRA因子模型3619.3.2Fama-French方法3669.4主成分分析3669.4.1PCA理论3669.4.2经验的PCA3689.5统计因子分析3719.5.1估计3729.5.2因子旋转3739.5.3应用3749.6渐近主成分分析3799.6.1因子个数的选择3799.6.2例子380练习题382参考文献383第10章多元波动率模型及其应用38510.1指数加权估计38610.2多元GARCH模型38810.2.1对角VEC模型38910.2.2BEKK模型39110.3重新参数化39310.3.1相关系数的应用39310.3.2Cholesky分解39510.4二元收益率的GARCH模型39810.4.1常相关模型39810.4.2时变相关模型40210.4.3最近的一些发展40610.5更高维的波动率模型40710.6因子波动率模型41210.7应用41410.8多元t分布416附录对估计的一些注释417练习题422参考文献422第11章状态空间模型和卡尔曼滤波42411.1局部趋势模型42411.1.1统计推断42711.1.2卡尔曼滤波42811.1.3预测误差的性质43011.1.4状态平滑43111.1.5缺失值43511.1.6初始化效应43511.1.7估计43611.1.8所用的S-Plus命令43711.2线性状态空间模型44011.3模型转换44111.3.1带时变系数的CAPM44211.3.2ARMA模型44411.3.3线性回归模型45011.3.4带ARMA误差的线性回归模型45111.3.5纯量不可观测项模型45211.4卡尔曼滤波和平滑45411.4.1卡尔曼滤波45411.4.2状态估计误差和预测误差45611.4.3状态平滑45711.4.4扰动平滑45911.5缺失值46111.6预测46211.7应用463练习题469参考文献470第12章马尔可夫链蒙特卡罗方法及其应用47212.1马尔可夫链模拟47212.2Gibbs抽样47312.3贝叶斯推断47512.3.1后验分布47512.3.2共轭先验分布47612.4其他算法47912.4.1Metropolis算法47912.4.2Metropolis-Hasting算法48012.4.3格子Gibbs抽样48012.5带时间序列误差的线性回归48112.6缺失值和异常值48512.6.1缺失值48512.6.2异常值的识别48712.7随机波动率模型49112.7.1一元模型的估计49212.7.2多元随机波动率模型49612.8估计随机波动率模型的新方法50212.9马尔可夫转换模型51012.10预测51612.11其他应用518练习题518参考文献518索引521
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30