《金融时间序列分析（第3版）》是金融时间序列分析领域不可多得的杰作，自第1版问世以来，广受赞誉，产生了深远的影响。成为芝加哥大学商学院MBA、北京大学金融数学系授课教材。
本书全面介绍了金融时间序列分析的理论和方法，系统地讲解了金融计量经济模型及其在金融时间序列数据的建模和预测中的应用。
第3版使用开源的R软件包，可以对金融数据进行实证分析，也可以使用实例对相关计算和分析进行说明。本书还对金融计量方法的当前研究热点和一些最新研究成果进行了概述，例如实现波动率、条件风险值、统计套利及持续期和动态相关模型的应用。
来源 | 《金融时间序列分析（第3版）》
作者 | Ruey S.Tsay
译者 | 王远林 王辉 潘家柱
金融时间序列分析考虑的是资产价值随时间演变的理论与实践.它是一个带有高度经验性的学科,但也像其他科学领域一样,理论是形成分析推断的基础.
然而, 金融时间序列分析有一个区别于其他时间序列分析的主要特点：金融理论及其经验的时间序列都包含不确定因素.
例如,资产波动率有各种不同的定义,对一个股票收益率序列, 波动率是不能直接观察到的. 正因为带有不确定性,统计的理论和方法在金融时间序列分析中起重要作用. 本书的目的是提供一些金融时间序列的知识,介绍一些对分析金融时间序列有用的统计工具,从而使读者获得各种经济计量方法在金融中应用的经验.
第1章引入资产收益率的基本概念, 并简要介绍本书所讨论的一些过程.
第2章回顾了一 些线性时间序列分析中的基本概念,如平稳性、自相关函数,引入了一些简单的线 性模型来处理序列的序列相关性,并讨论了带时间序列误差、季节性、单位根非平 稳性和长记忆过程的回归模型. 当存在条件异方差性和序列相关时,该章给出了协 方差阵相合估计的方法.
第3章着重讨论了条件异方差性(资产收益率的条件方 差) 的建模,讨论了新近发展起来的用来描述资产收益率的波动率随时间演变的各 种经济计量模型. 该章还讨论了波动率建模的其他方法,包括使用高频交易数据和 一项资产的日最高价格和日最低价格进行建模.
第4章讨论了金融时间序列中的 非线性性,引入了能区别非线性序列与线性序列的检验统计量,并讨论了几个非线 性模型. 该章还介绍了非参数估计方法和神经网络,并且展示了非线性模型在金融 中的各种应用.
第5章考虑的是高频金融数据的分析,市场微观结构的影响及高频 金融的应用, 阐明了不同步(或不同时)的交易和买卖价格间的跳跃可能带来股票 收益的序列相关性. 该章还研究了不同交易之间持续时间的动态规律和一些分析 交易数据的计量经济模型.
第6章引入了连续时间扩散模型和伊滕(Ito)引理,导 出了Black-Scholes 期权定价公式, 并应用一个简单的跳跃扩散模型来刻画期权市 场常见的一些特征.
第7章讨论了极值理论、厚尾分布及其在金融风险管理中的 应用. 该章还特别讨论了计算金融头寸风险值(VaR)及金融头寸的预期赤字的各 种方法.
第8章着重讨论多元时间序列分析和简单的多元模型,重点在于分析时间 序列之间的交叉延迟关系.该章还介绍了协整、一些协整检验以及门限协整,并用 协整的概念来研究金融市场中的套利机会,包括配对交易.
第9章讨论了简化多元 时间序列动态结构的方法和降低维数的方法, 并介绍和演示了3种因子模型来分 析多个资产的收益率.
第10章介绍了多元波动率模型, 其中包括带时变相关系数 的模型, 同时还讨论了怎样对一个条件协方差阵进行重新参数化,使之满足正定性 的限制, 并降低波动率建模的复杂性.
第11章介绍了状态空间模型和卡尔曼滤波, 还讨论了状态空间模型和本书中所讨论的其他计量经济模型之间的关系.该章还给 出了在金融方面应用的几个例子.
最后,第12章介绍了统计文献中一些新近发展 起来的马尔可夫链蒙特卡罗方法,并把这些方法应用于各种金融研究的问题,如随 机波动率模型和马尔可夫转换模型的估计.
本书着重强调应用和实证分析.每章都有实际例子,很多时候经济计量模型的 发展是由金融时间序列的实证特征来推动的. 必要时,本书还提供了用来分析数据 的计算机程序和命令.
《金融时间序列分析（第3版）》
作者：Ruey S.Tsay
译者：王远林 王辉 潘家柱
权威性：芝加哥大学商学院MBA、北京大学金融数学系授课教材
前沿性：紧跟当前研究热点，涵盖前沿方法（高频数据分析、MCMC）
实战性：关注金融学核心问题，提供R语言实战代码及真实金融数据案例，兼顾学术严谨与业界需求
扫一扫
5
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
