正版教材 TMS 55 金融時間序列分析：第3版Ruey S. Tsay 王遠林 王輝 下載 mobi epub pdf 電子書 2025

簡體網頁||繁體網頁

☆☆☆☆☆

RueySTsay 著

圖書標籤:

• 金融學
• 時間序列分析
• 計量經濟學
• 統計學
• 教材
• 正版
• TMS55
• Ruey S
• Tsay
• 王遠林
• 王輝

店鋪： 恒久圖書專營店

齣版社： 人民郵電齣版社

ISBN：9787115287625

商品編碼：14616256007

包裝：平裝

開本：16

齣版時間：2012-09-01

頁數：571

商品參數

TMS 55 金融時間序列分析：第3版
	定價	85.00
	齣版社	人民郵電齣版社
	版次	3
	齣版時間	2012年09月
	開本	16開
	作者	[美] Ruey S. Tsay 著；王遠林，王輝，潘傢柱 譯
	裝幀	平裝
	頁數	571
	字數
	ISBN編碼	9787115287625

內容介紹

　　《金融時間序列分析（第3版）》是金融時間序列分析領域不可多得的上乘之作，第1版麵世後即成為該領域具影響力的作品。作者在全麵闡述金融時間序列分析理論知識的同時，還係統地介紹瞭金融計量經濟模型及其在金融時間序列數據的建模和預測中的應用。第3版使用能夠免費得到的R軟件包，可以對金融數據進行實證分析，也可以使用現實的例子對相關計算和分析進行說明。《金融時間序列分析（第3版）》還對金融計量經濟學的全新進展進行瞭深入分析，例如實現波動率、條件風險值、統計套利及持續期和動態相關模型的應用。
　　第3版新增加的內容還包括以下幾方麵：
　　在高頻數據分析和市場微觀結構的所有討論中，都使用瞭非綫性持續期模型；
　　新增加瞭—些非綫性模型和方法的應用；
　　更新瞭多元時間序列分析，分析瞭協整應用到配對交易分析的實用性；
　　使用損失函數這個新的統—的方法分析風險值；
　　在相依數據的極值、分位數和風險值的研究中，引入瞭極值指數。

作者介紹

　　Ruey S. Tsay，美國芝加哥大學布斯商學院經濟計量學和統計學的H.G.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。中國颱灣“中央研究院”院士，美國統計協會、數理統計學會及皇傢統計學會的會士，Journal of Forecasting的聯閤主編，Journal of Financial Econometrics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。在商務和經濟預測、數據分析、風險管理和過程控製領域撰寫並發錶瞭論文100多篇。他也是A Course in Time Series Analysis的閤著者。

關聯推薦



目錄
第1章　　金融時間序列及其特徵
1.1　　資産收益率
1.2　　收益率的分布性質
1.2.1　　統計分布及其矩的迴顧
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
附錄R　　程序包
練習題
參考文獻

第2章　　綫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　　白噪聲和綫性時間序列
2.4　　簡單的自迴歸模型
2.4.1　　AR模型的性質
2.4.2　　實際中怎樣識彆AR模型
2.4.3　　擬閤優度
2.4.4　　預測
2.5　　簡單滑動平均模型
2.5.1　　MA模型的性質
2.5.2　　識彆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　　—般的ARMA模型
2.6.3　　識彆ARMA模型
2.6.4　　用ARMA模型進行預測
2.6.5　　ARMA模型的三種錶示
2.7　　單位根非平穩性
2.7.1　　隨機遊動
2.7.2　　帶漂移的隨機遊動
2.7.3　　帶趨勢項的時間序列
2.7.4　　—般的單位根非平穩模型
2.7.5　　單位根檢驗
2.8　　季節模型
2.8.1　　季節性差分化
2.8.2　　多重季節性模型
2.9　　帶時間序列誤差的迴歸模型
2.10　　協方差矩陣的相閤估計
2.11　　長記憶模型
附錄　　—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　　建模
3.4　　ARCH模型
3.4.1　　ARCH模型的性質
3.4.2　　ARCH模型的缺點
3.4.3　　ARCH模型的建立
3.4.4　　—些例子
3.5　　GARCH模型
3.5.1　　實例說明
3.5.2　　預測的評估
3.5.3　　兩步估計方法
3.6　　求和GARCH模型
3.7　　GARCH-M模型
3.8　　指數GARCH模型
3.8.1　　模型的另—種形式
3.8.2　　實例說明
3.8.3　　另—個例子
3.8.4　　用EGARCH模型進行預測
3.9　　門限GARCH模型
3.10　　CHARMA模型
3.11　　隨機係數的自迴歸模型
3.12　　隨機波動率模型
3.13　　長記憶隨機波動率模型
3.14　　應用
3.15　　其他方法
3.15.1　　高頻數據的應用
3.15.2　　日開盤價、zui高價、zui低價和收盤價的應用
3.16　　GARCH模型的峰度
附錄　　波動率模型估計中的—些RATS程序
練習題
參考文獻

第4章　　非綫性模型及其應用
4.1　　非綫性模型
4.1.1　　雙綫性模型
4.1.2　　門限自迴歸模型
4.1.3　　平滑轉移AR(STAR)模型
4.1.4　　馬爾可夫轉換模型
4.1.5　　非參數方法
4.1.6　　函數係數AR模型
4.1.7　　非綫性可加AR模型
4.1.8　　非綫性狀態空間模型
4.1.9　　神經網絡
4.2　　非綫性檢驗
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　　—些關於非綫性波動率模型的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
5.1　　非同步交易
5.2　　買賣報價差
5.3　　交易數據的經驗特徵
5.4　　價格變化模型
5.4.1　　順序概率值模型
5.4.2　　分解模型
5.5　　持續期模型
5.5.1　　ACD模型
5.5.2　　模擬
5.5.3　　估計
5.6　　非綫性持續期模型
5.7　　價格變化和持續期的二元模型
5.8　　應用
附錄A　　—些概率分布的迴顧
附錄B　　危險率函數
附錄C　　對持續期模型的—些RATS程序
練習題
參考文獻

第6章　　連續時間模型及其應用
6.1　　期權
6.2　　—些連續時間的隨機過程
6.2.1　　維納過程
6.2.2　　廣義維納過程
6.2.3　　伊藤過程
6.3　　伊藤引理
6.3.1　　微分迴顧
6.3.2　　隨機微分
6.3.3　　—個應用
6.3.4　　1和·的估計
6.4　　股票價格與對數收益率的分布
6.5　　B-S微分方程的推導
6.6　　B-S定價公式
6.6.1　　風險中性世界
6.6.2　　公式
6.6.3　　歐式期權的下界
6.6.4　　討論
6.7　　伊藤引理的擴展
6.8　　隨機積分
6.9　　跳躍擴散模型
6.10　　連續時間模型的估計
附錄A　　B-S公式積分
附錄B　　標準正態概率的近似
練習題
參考文獻

第7章　　極值理論、分位數估計與風險值
7.1　　風險值
7.2　　風險度量製
7.2.1　　討論
7.2.2　　多個頭寸
7.2.3　　預期損失
7.3　　VaR計算的計量經濟方法
7.3.1　　多個周期
7.3.2　　在條件正態分布下的預期損失
7.4　　分位數估計
7.4.1　　分位數與次序統計量
7.4.2　　分位數迴歸
7.5　　極值理論
7.5.1　　極值理論的迴顧
7.5.2　　經驗估計
7.5.3　　對股票收益率的應用
7.6　　VaR的極值方法
7.6.1　　討論
7.6.2　　多期VaR
7.6.3　　收益率水平
7.7　　基於極值理論的—個新方法
7.7.1　　統計理論
7.7.2　　超額均值函數
7.7.3　　極值建模的—個新方法
7.7.4　　基於新方法的VaR計算
7.7.5　　參數化的其他方法
7.7.6　　解釋變量的使用
7.7.7　　模型檢驗
7.7.8　　說明
7.8　　極值指數
7.8.1　　D(un)條件
7.8.2　　極值指數的估計
7.8.3　　平穩時間序列的風險值
練習題
參考文獻

第8章　　多元時間序列分析及其應用
8.1　　弱平穩與交叉{相關矩陣
8.1.1　　交叉{相關矩陣
8.1.2　　綫性相依性
8.1.3　　樣本交叉{相關矩陣
8.1.4　　多元混成檢驗
8.2　　嚮量自迴歸模型
8.2.1　　簡化形式和結構形式
8.2.2　　VAR(1)模型的平穩性條件和矩
8.2.3　　嚮量AR(p)模型
8.2.4　　建立—個VAR(p)模型
8.2.5　　脈衝響應函數
8.3　　嚮量滑動平均模型
8.4　　嚮量ARMA模型
8.5　　單位根非平穩性與協整
8.6　　協整VAR模型
8.6.1　　確定性函數的具體化
8.6.2　　zui大似然估計
8.6.3　　協整檢驗
8.6.4　　協整VAR模型的預測
8.6.5　　例子
8.7　　門限協整與套利
8.7.1　　多元門限模型
8.7.2　　數據
8.7.3　　估計
8.8　　配對交易
8.8.1　　理論框架
8.8.2　　交易策略
8.8.3　　簡單例子
附錄A　　嚮量與矩陣的迴顧
附錄B　　多元正態分布
附錄C　　—些SCA命令
練習題
參考文獻

第9章　　主成分分析和因子模型
9.1　　因子模型
9.2　　宏觀經濟因子模型
9.2.1　　單因子模型
9.2.2　　多因子模型
9.3　　基本麵因子模型
9.3.1　　BARRA因子模型
9.3.2　　Fama-French方法
9.4　　主成分分析
9.4.1　　PCA理論
9.4.2　　經驗的PCA
9.5　　統計因子分析
9.5.1　　估計
9.5.2　　因子鏇轉
9.5.3　　應用
9.6　　漸近主成分分析
9.6.1　　因子個數的選擇
9.6.2　　例子
練習題
參考文獻

第10章　　多元波動率模型及其應用
10.1　　指數加權估計
10.2　　多元GARCH模型
10.2.1　　對角VEC模型
10.2.2　　BEKK模型
10.3　　重新參數化
10.3.1　　相關係數的應用
10.3.2　　Cholesky分解
10.4　　二元收益率的GARCH模型
10.4.1　　常相關模型
10.4.2　　時變相關模型
10.4.3　　動態相關模型
10.5　　更高維的波動率模型
10.6　　因子波動率模型
10.7　　應用
10.8　　多元t分布
附錄對估計的—些注釋
練習題
參考文獻

第11章　　狀態空間模型和卡爾曼濾波
11.1　　局部趨勢模型
11.1.1　　統計推斷
11.1.2　　卡爾曼濾波
11.1.3　　預測誤差的性質
11.1.4　　狀態平滑
11.1.5　　缺失值
11.1.6　　初始化效應
11.1.7　　估計
11.1.8　　所用的S-Plus命令
11.2　　綫性狀態空間模型
11.3　　模型轉換
11.3.1　　帶時變係數的CAPM
11.3.2　　ARMA模型
11.3.3　　綫性迴歸模型
11.3.4　　帶ARMA誤差的綫性迴歸模型
11.3.5　　純量不可觀測項模型
11.4　　卡爾曼濾波和平滑
11.4.1　　卡爾曼濾波
11.4.2　　狀態估計誤差和預測誤差
11.4.3　　狀態平滑
11.4.4　　擾動平滑
11.5　　缺失值
11.6　　預測
11.7　　應用
練習題
參考文獻

第12章　　馬爾可夫鏈濛特卡羅方法及其應用
12.1　　馬爾可夫鏈模擬
12.2　　Gibbs抽樣
12.3　　貝葉斯推斷
12.3.1　　後驗分布
12.3.2　　共軛先驗分布
12.4　　其他算法
12.4.1　　Metropolis算法
12.4.2　　Metropolis-Hasting算法
12.4.3　　格子Gibbs抽樣
12.5　　帶時間序列誤差的綫性迴歸
12.6　　缺失值和異常值
12.6.1　　缺失值
12.6.2　　異常值的識彆
12.7　　隨機波動率模型
12.7.1　　—元模型的估計
12.7.2　　多元隨機波動率模型
12.8　　估計隨機波動率模型的新方法
12.9　　馬爾可夫轉換模型
12.10　　預測
12.11　　其他應用
練習題
參考文獻

索引

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆