金融时间序列分析(第2版)

.2.5　简单滑动平均模型　43　
2.5.1　ma模型的性质　45　
2.5.2　识别ma的阶　46　
2.5.3　估计　47　
2.5.4　用ma模型预测　47　
2.6　简单的arma模型　49　
2.6.1　arma(1,1)模型的性质　49　
2.6.2　一般的arma模型　51　
2.6.3　识别arma模型　51　
2.6.4　用arma模型进行预测　53　
2.6.5　arma模型的三种表示　54　
2.7　单位根非平稳性　56　
2.7.1　随机游动　56　
2.7.2　带漂移的随机游动　57　
2.7.3　带趋势项的时间序列　59　
2.7.4　一般的单位根非平稳模型　59　
2.7.5　单位根检验　60　
2.8　季节模型　63　
2.8.1　季节性差分化　64　
2.8.2　多重季节性模型　65　
2.9　带时间序列误差的回归模型　70　
2.10　协方差矩阵的相合估计　75　
2.11　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　85　
3.1　波动率的特征　86　
3.2　模型的结构　86　
3.3　建模　88　
3.4　arch模型　90　
3.4.1　arch模型的性质　91　
3.4.2　arch模型的缺点　92　
3.4.3　arch模型的建立　93　
3.4.4　一些例子　95　
3.5　garch模型　99　
3.5.1　实例说明　102　
3.5.2　预测的评估　106　
3.5.3　两步估计方法　106　
3.6　求和garch模型　107　
3.7　garch-m模型　108　
3.8　指数garch模型　109　
3.8.1　模型的另一种形式　110　
3.8.2　实例说明　110　
3.8.3　另一个例子　111　
3.8.4　用egarch模型进行预测　113　
3.9　门限garch模型　114　
3.10　charma模型　115　
3.11　随机系数的自回归模型　117　
3.12　随机波动率模型　118　
3.13　长记忆随机波动率模型　118　
3.14　应用　119　
3.15　其他方法　123　
3.15.1　高频数据的应用　123　
3.15.2　日开盘价、最高价、最低价和收盘价的应用　125　
3.16　garch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　135　
4.1　非线性模型　136　
4.1.1　双线性模型　137　
4.1.2　门限自回归模型　138　
4.1.3　平滑转移ar(star)模型　142　
4.1.4　马尔可夫转换模型　144　
4.1.5　非参数方法　146　
4.1.6　函数系数ar模型　153　
4.1.7　非线性可加ar模型　154　
4.1.8　非线性状态空间模型　154　
4.1.9　神经网络　154　
4.2　非线性检验　159　
4.2.1　非参数检验　160　
4.2.2　参数检验　162　
4.2.3　应用　166　
4.3　建模　167　
4.4　预测　167　
4.4.1　参数自助法　168　
4.4.2　预测的评估　168　
4.5　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　180　
5.1　非同步交易　180　
5.2　买卖报价差　184　
5.3　交易数据的经验特征　185　
5.4　价格变化模型　190　
5.4.1　顺序概率值模型　190　
5.4.2　分解模型　193　
5.5　持续期模型　197　
5.5.1　acd模型　199　
5.5.2　模拟　200　
5.5.3　估计　202　
5.6　非线性持续期模型　206　
5.7　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　219　
6.1　期权　220　
6.2　一些连续时间的随机过程　220　
6.2.1　维纳过程　220　
6.2.2　广义维纳过程　222　
6.2.3　伊藤过程　223　
6.3　伊藤引理　223　
6.3.1　微分回顾　223　
6.3.2　随机微分　224　
6.3.3　一个应用　225　
6.3.4　μ和σ的估计　226　
6.4　股票价格与对数收益率的分布　227　
6.5　b-s微分方程的推导　229　
6.6　b-s定价公式　230　
6.6.1　风险中性世界　230　
6.6.2　公式　231　
6.6.3　欧式期权的下界　233　
6.6.4　讨论　234　
6.7　伊藤引理的扩展　237　
6.8　随机积分　238　
6.9　跳跃扩散模型　239　
6.10　连续时间模型的估计　245　
附录a　b-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　250　
7.1　风险值　250　
7.2　风险度量制　252　
7.2.1　讨论　254　
7.2.2　多个头寸　255　
7.3　var计算的计量经济方法　255　
7.4　分位数估计　260　
7.4.1　分位数与次序统计量　260　
7.4.2　分位数回归　261　
7.5　极值理论　262　
7.5.1　极值理论的回顾　262　
7.5.2　经验估计　265　
7.5.3　对股票收益率的应用　267　
7.6　var的极值方法　271　
7.6.1　讨论　273　
7.6.2　多期var　275　
7.6.3　空头头寸的var　275　
7.6.4　收益率水平　275　
7.7　基于极值理论的一个新方法　276　
7.7.1　统计理论　277　
7.7.2　超额均值函数　279　
7.7.3　极值建模的一个新方法　280　
7.7.4　基于新方法的计算　282　
7.7.5　参数化的其他方法　283　
7.7.6　解释变量的使用　286　
7.7.7　模型检验　287　
7.7.8　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　294　
8.1　弱平稳与交叉-相关矩阵　294　
8.1.1　交叉-相关矩阵　295　
8.1.2　线性相依性　296　
8.1.3　样本交叉-相关矩阵　297　
8.1.4　多元混成检验　301　
8.2　向量自回归模型　302　
8.2.1　简化形式和结构形式　303　
8.2.2　var(1)模型的平稳性条件和矩　305　
8.2.3　向量ar(p)模型　306　
8.2.4　建立一个var(p)模型　308　
8.2.5　脉冲响应函数　314　
8.3　向量滑动平均模型　317　
8.4　向量arma模型　322　
8.5　单位根非平稳性与协整　327　
8.6　协整var模型　330　
8.6.1　确定性函数的具体化　332　
8.6.2　最大似然估计　333　
8.6.3　协整检验　334　
8.6.4　协整var模型的预测　335　
8.6.5　例子　335　
8.7　门限协整与套利　340　
8.7.1　多元门限模型　341　
8.7.2　数据　341　
8.7.3　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　353　
9.1　因子模型　353　
9.2　宏观经济因子模型　355　
9.2.1　单因子模型　355　
9.2.2　多因子模型　359　
9.3　基本面因子模型　361　
9.3.1　barra因子模型　361　
9.3.2　fama-french方法　366　
9.4　主成分分析　366　
9.4.1　pca理论　366　
9.4.2　经验的pca　368　
9.5　统计因子分析　371　
9.5.1　估计　372　
9.5.2　因子旋转　373　
9.5.3　应用　374　
9.6　渐近主成分分析　379　
9.6.1　因子个数的选择　379　
9.6.2　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　385　
10.1　指数加权估计　386　
10.2　多元garch模型　388　
10.2.1　对角vec模型　389　
10.2.2　bekk模型　391　
10.3　重新参数化　393　
10.3.1　相关系数的应用　393　
10.3.2　cholesky分解　395　
10.4　二元收益率的garch模型　398　
10.4.1　常相关模型　398　
10.4.2　时变相关模型　402　
10.4.3　最近的一些发展　406　
10.5　更高维的波动率模型　407　
10.6　因子波动率模型　412　
10.7　应用　414　
10.8　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　424　
11.1　局部趋势模型　424　
11.1.1　统计推断　427　
11.1.2　卡尔曼滤波　428　
11.1.3　预测误差的性质　430　
11.1.4　状态平滑　431　
11.1.5　缺失值　435　
11.1.6　初始化效应　435　
11.1.7　估计　436　
11.1.8　所用的s-plus命令　437　
11.2　线性状态空间模型　440　
11.3　模型转换　441　
11.3.1　带时变系数的capm　442　
11.3.2　arma模型　444　
11.3.3　线性回归模型　450　
11.3.4　带arma误差的线性回归模型　451　
11.3.5　纯量不可观测项模型　452　
11.4　卡尔曼滤波和平滑　454　
11.4.1　卡尔曼滤波　454　
11.4.2　状态估计误差和预测误差　456　
11.4.3　状态平滑　457　
11.4.4　扰动平滑　459　
11.5　缺失值　461　
11.6　预测　462　
11.7　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　472　
12.1　马尔可夫链模拟　472　
12.2　gibbs抽样　473　
12.3　贝叶斯推断　475　
12.3.1　后验分布　475　
12.3.2　共轭先验分布　476　
12.4　其他算法　479　
12.4.1　metropolis算法　479　
12.4.2　metropolis-hasting算法　480　
12.4.3　格子gibbs抽样　480　
12.5　带时间序列误差的线性回归　481　
12.6　缺失值和异常值　485　
12.6.1　缺失值　485　
12.6.2　异常值的识别　487　
12.7　随机波动率模型　491　
12.7.1　一元模型的估计　492　
12.7.2　多元随机波动率模型　496　
12.8　估计随机波动率模型的新方法　502　
12.9　马尔可夫转换模型　510　
12.10　预测　516　
12.11　其他应用　518　
练习题　518　
参考文献　518　
索引...　521