金融时间序列分析(第3版)
4推荐 收藏
8.4K阅读
图灵数学统计学丛书

金融时间序列分析(第3版)

Ruey S.Tsay (作者) 王远林 , 王辉 , 潘家柱 (译者)
本书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可夫链蒙特卡罗方法等方面. 此外, 本书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2 版, 本版不仅更新了上一版中使用的数据, 而且还给出了R 命令和实例, 从而使其成为理解重要统计方法和技术的奠基石.
本书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用书.

收藏本书能做什么?

有情况的时候会收到通知,比如电子书发布等。

纸质书
¥67.15 ¥85.00

其他购买方式?

出版信息

  • 书  名金融时间序列分析(第3版)
  • 系列书名图灵数学统计学丛书
  • 执行编辑关于本书的内容有任何问题,请联系 傅志红
  • 出版日期2012-09-04
  • 书  号978-7-115-28762-5
  • 定  价85.00 元
  • 页  数540
  • 开  本16开
  • 出版状态上市销售
  • 原书名Analysis of Financial Time Series,3E
  • 原书号978-0470414354

同系列书

  • 普林斯顿微积分读本

    Adrian Banner   杨爽   赵晓婷   高璞   译

    本书阐述了求解微积分的技巧, 详细讲解了微积分基础、极限、连续、微分、导数的应用、积分、无穷级数、泰勒级数与幂...

  • 概率导论(第2版·修订版)

    Dimitri P.Bertsekas   John N.Tsitsiklis   郑国忠   童行伟   译

    本书是在MIT开设概率论入门课程的基础上编写的, 其内容全面, 例题和习题丰富, 结构层次性强, 能够满足不同...

  • 数学分析八讲(修订版)

    [苏]А. Я. 辛钦   王会林   齐民友   译

    短短八讲,不仅让你了解数学分析的概貌,更让你领会数学分析的精髓。这本由著名苏联数学家和数学教育家辛钦潜心编著的...

  • 陶哲轩实分析

    陶哲轩(Terence Tao)   王昆扬   译

    本书强调严格性和基础性, 书中的材料从源头——数系的结构及集合论开始, 然后引向分析的基础(极限、级数...

  • 概率论基础教程(第8版)

    Sheldon Ross   郑忠国   詹从赞   译

      概率论是研究自然界和人类社会中随机现象数量规律的数学分支. 本书通过大量的例子讲述了概率论的基础知识, 主...

本书特色

注:原书数据可至http://faculty.chicagobooth.edu/ruey.tsay/teaching/fts3/查找。若使用Google Chrome,需Unicode (UTF-16LE)字符编码。

“一本相当精彩的书!同它失之交臂将是所有从事时间序列分析研究的人的重大损失!”
——《统计计算与模拟》杂志

“对金融时间序列进行了完美阐述!对于既要充实理论概念又要丰富实际应用体验的人来说,这是一部宝典!”
——美国数学协会

“本书是研究生学习时间序列分析的绝佳教材,同样也是高年级本科生在时间序列统计课程方面的有益补充。”
——《数学评论》

“本书既可以作为高校教材,也可供专业人士参考。”
——《数学文摘》
本书是金融时间序列分析领域不可多得的上乘之作,第1版面世后即成为该领域最具影响力的作品。作者在全面阐述金融时间序列分析理论知识的同时,还系统地介绍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版使用能够免费得到的R软件包,可以对金融数据进行实证分析,也可以使用现实的例子对相关计算和分析进行说明。本书还对金融计量经济学的最新进展进行了深入分析,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。
第3版新增加的内容还包括以下几方面。
- 在高频数据分析和市场微观结构的所有讨论中,都使用了非线性持续期模型。
- 新增加了一些非线性模型和方法的应用。
- 更新了多元时间序列分析,分析了协整应用到配对交易分析的实用性。
- 使用损失函数这个新的统一的方法分析风险值。
- 在相依数据的极值、分位数和风险值的研究中,引入了极值指数。

目录

目 录

第1章  金融时间序列及其特征  1

1.1  资产收益率  2

1.2  收益率的分布性质  6

1.2.1  统计分布及其矩的回顾  6

1.2.2  收益率的分布  13

1.2.3  多元收益率  16

1.2.4  收益率的似然函数  17

1.2.5  收益率的经验性质  17

1.3  其他过程  19

附录R  程序包  21

练习题  23

参考文献  24

第2章  线性时间序列分析及其应用  25

2.1  平稳性  25

2.2  相关系数和自相关函数  26

2.3  白噪声和线性时间序列  31

2.4  简单的自回归模型  32

2.4.1  AR模型的性质  33

2.4.2  实际中怎样识别AR模型  40

2.4.3  拟合优度  46

2.4.4  预测  47

2.5  简单滑动平均模型  50

2.5.1  MA模型的性质  51

2.5.2  识别MA的阶  52

2.5.3  估计  53

2.5.4  用MA模型预测  54

2.6  简单的ARMA模型  55

2.6.1  ARMA(1,1)模型的性质  56

2.6.2  一般的ARMA模型  57

2.6.3  识别ARMA模型  58

2.6.4  用ARMA模型进行预测  60

2.6.5  ARMA模型的三种表示  60

2.7  单位根非平稳性  62

2.7.1  随机游动  62

2.7.2  带漂移的随机游动  64

2.7.3  带趋势项的时间序列  65

2.7.4  一般的单位根非平稳模型  66

2.7.5  单位根检验  66

2.8  季节模型  71

2.8.1  季节性差分化  72

2.8.2  多重季节性模型  73

2.9  带时间序列误差的回归模型  78

2.10  协方差矩阵的相合估计  85

2.11  长记忆模型  88

附录  一些SCA  的命令  90

练习题  90

参考文献  92

第3章  条件异方差模型  94

3.1  波动率的特征  95

3.2  模型的结构  95

3.3  建模  97

3.4  ARCH模型  99

3.4.1  ARCH模型的性质  100

3.4.2  ARCH模型的缺点  102

3.4.3  ARCH模型的建立  102

3.4.4  一些例子  106

3.5  GARCH模型  113

3.5.1  实例说明  115

3.5.2  预测的评估  120

3.5.3  两步估计方法  121

3.6  求和GARCH模型  121

3.7  GARCH-M模型  122

3.8  指数GARCH模型  123

3.8.1  模型的另一种形式  125

3.8.2  实例说明  125

3.8.3  另一个例子  126

3.8.4  用EGARCH模型进行预测  128

3.9  门限GARCH模型  129

3.10  CHARMA模型  130

3.11  随机系数的自回归模型  132

3.12  随机波动率模型  133

3.13  长记忆随机波动率模型  133

3.14  应用  135

3.15  其他方法  138

3.15.1  高频数据的应用  138

3.15.2  日开盘价、最高价、最低价和收盘价的应用  141

3.16  GARCH模型的峰度  143

附录  波动率模型估计中的一些RATS  程序  144

练习题  146

参考文献  148

第4章  非线性模型及其应用  151

4.1  非线性模型  152

4.1.1  双线性模型  153

4.1.2  门限自回归模型  154

4.1.3  平滑转移AR(STAR)模型  158

4.1.4  马尔可夫转换模型  160

4.1.5  非参数方法  162

4.1.6  函数系数AR  模型  170

4.1.7  非线性可加AR  模型  170

4.1.8  非线性状态空间模型  171

4.1.9  神经网络  171

4.2  非线性检验  176

4.2.1  非参数检验  176

4.2.2  参数检验  179

4.2.3  应用  182

4.3  建模  183

4.4  预测  184

4.4.1  参数自助法  184

4.4.2  预测的评估  184

4.5  应用  186

附录A  一些关于非线性波动率模型的RATS  程序  190

附录B  神经网络的S-Plus  命令  191

练习题  191

参考文献  193

第5章  高频数据分析与市场微观结构  196

5.1  非同步交易  196

5.2  买卖报价差  200

5.3  交易数据的经验特征  201

5.4  价格变化模型  207

5.4.1  顺序概率值模型  207

5.4.2  分解模型  210

5.5  持续期模型  214

5.5.1  ACD模型  216

5.5.2  模拟  218

5.5.3  估计  219

5.6  非线性持续期模型  224

5.7  价格变化和持续期的二元模型  225

5.8  应用  229

附录A  一些概率分布的回顾  234

附录B  危险率函数  237

附录C  对持续期模型的一些RATS

程序  238

练习题  239

参考文献  241

第6章  连续时间模型及其应用  243

6.1  期权  244

6.2  一些连续时间的随机过程  244

6.2.1  维纳过程  244

6.2.2  广义维纳过程  246

6.2.3  伊藤过程  247

6.3  伊藤引理  247

6.3.1  微分回顾  247

6.3.2  随机微分  248

6.3.3  一个应用  249

6.3.4  1和?的估计  250

6.4  股票价格与对数收益率的分布  251

6.5  B-S微分方程的推导  253

6.6  B-S定价公式  254

6.6.1  风险中性世界  254

6.6.2  公式  255

6.6.3  欧式期权的下界  257

6.6.4  讨论  258

6.7  伊藤引理的扩展  261

6.8  随机积分  262

6.9  跳跃扩散模型  263

6.10  连续时间模型的估计  269

附录A  B-S  公式积分  270

附录B  标准正态概率的近似  271

练习题  271

参考文献  272

第7章  极值理论、分位数估计与风险值  274

7.1  风险值  275

7.2  风险度量制  276

7.2.1  讨论  279

7.2.2  多个头寸  279

7.2.3  预期损失  280

7.3  VaR  计算的计量经济方法  280

7.3.1  多个周期  283

7.3.2  在条件正态分布下的预期损失  285

7.4  分位数估计  285

7.4.1  分位数与次序统计量  285

7.4.2  分位数回归  287

7.5  极值理论  288

7.5.1  极值理论的回顾  288

7.5.2  经验估计  290

7.5.3  对股票收益率的应用  293

7.6  VaR  的极值方法  297

7.6.1  讨论  300

7.6.2  多期VaR  301

7.6.3  收益率水平  302

7.7  基于极值理论的一个新方法  302

7.7.1  统计理论  303

7.7.2  超额均值函数  305

7.7.3  极值建模的一个新方法  306

7.7.4  基于新方法的VaR计算  308

7.7.5  参数化的其他方法  309

7.7.6  解释变量的使用  312

7.7.7  模型检验  313

7.7.8  说明  314

7.8  极值指数  318

7.8.1  D(un)条件  319

7.8.2  极值指数的估计  321

7.8.3  平稳时间序列的风险值  323

练习题  324

参考文献  326

第8章  多元时间序列分析及其应用  328

8.1  弱平稳与交叉{相关矩阵  328

8.1.1  交叉{相关矩阵  329

8.1.2  线性相依性  330

8.1.3  样本交叉{相关矩阵  331

8.1.4  多元混成检验  335

8.2  向量自回归模型  336

8.2.1  简化形式和结构形式  337

8.2.2  VAR(1)模型的平稳性条件和矩  339

8.2.3  向量AR(p)模型  340

8.2.4  建立一个VAR(p)模型  342

8.2.5  脉冲响应函数  349

8.3  向量滑动平均模型  354

8.4  向量ARMA模型  357

8.5  单位根非平稳性与协整  362

8.6  协整VAR模型  366

8.6.1  确定性函数的具体化  368

8.6.2  最大似然估计  368

8.6.3  协整检验  369

8.6.4  协整VAR模型的预测  370

8.6.5  例子  370

8.7  门限协整与套利  375

8.7.1  多元门限模型  376

8.7.2  数据  377

8.7.3  估计  377

8.8  配对交易  379

8.8.1  理论框架  379

8.8.2  交易策略  380

8.8.3  简单例子  380

附录A  向量与矩阵的回顾  385

附录B  多元正态分布  389

附录C  一些SCA命令  390

练习题  391

参考文献  393

第9章  主成分分析和因子模型  395

9.1  因子模型  395

9.2  宏观经济因子模型  397

9.2.1  单因子模型  397

9.2.2  多因子模型  401

9.3  基本面因子模型  403

9.3.1  BARRA因子模型  403

9.3.2  Fama-French方法  408

9.4  主成分分析  408

9.4.1  PCA理论  408

9.4.2  经验的PCA  410

9.5  统计因子分析  413

9.5.1  估计  414

9.5.2  因子旋转  415

9.5.3  应用  416

9.6  渐近主成分分析  420

9.6.1  因子个数的选择  421

9.6.2  例子  422

练习题  424

参考文献  425

第10章  多元波动率模型及其应用  426

10.1  指数加权估计  427

10.2  多元GARCH模型  429

10.2.1  对角VEC模型  430

10.2.2  BEKK模型  432

10.3  重新参数化  435

10.3.1  相关系数的应用  435

10.3.2  Cholesky  分解  436

10.4  二元收益率的GARCH模型  439

10.4.1  常相关模型  439

10.4.2  时变相关模型  442

10.4.3  动态相关模型  446

10.5  更高维的波动率模型  452

10.6  因子波动率模型  457

10.7  应用  459

10.8  多元t  分布  461

附录对估计的一些注释  462

练习题  466

参考文献  467

第11章  状态空间模型和卡尔曼滤波  469

11.1  局部趋势模型  469

11.1.1  统计推断  472

11.1.2  卡尔曼滤波  473

11.1.3  预测误差的性质  475

11.1.4  状态平滑  476

11.1.5  缺失值  480

11.1.6  初始化效应  480

11.1.7  估计  481

11.1.8  所用的S-Plus命令  482

11.2  线性状态空间模型  485

11.3  模型转换  486

11.3.1  带时变系数的CAPM  487

11.3.2  ARMA模型  489

11.3.3  线性回归模型  495

11.3.4  带ARMA误差的线性回归模型  496

11.3.5  纯量不可观测项模型  497

11.4  卡尔曼滤波和平滑  499

11.4.1  卡尔曼滤波  499

11.4.2  状态估计误差和预测误差  501

11.4.3  状态平滑  502

11.4.4  扰动平滑  504

11.5  缺失值  506

11.6  预测  507

11.7  应用  508

练习题  515

参考文献  516

第12章  马尔可夫链蒙特卡罗方法及其应用  517

12.1  马尔可夫链模拟  517

12.2  Gibbs抽样  518

12.3  贝叶斯推断  520

12.3.1  后验分布  520

12.3.2  共轭先验分布  521

12.4  其他算法  524

12.4.1  Metropolis算法  524

12.4.2  Metropolis-Hasting算法  525

12.4.3  格子Gibbs抽样  525

12.5  带时间序列误差的线性回归  526

12.6  缺失值和异常值  530

12.6.1  缺失值  531

12.6.2  异常值的识别  532

12.7  随机波动率模型  537

12.7.1  一元模型的估计  537

12.7.2  多元随机波动率模型  542

12.8  估计随机波动率模型的新方法  549

12.9  马尔可夫转换模型  556

12.10  预测  563

12.11  其他应用  564

练习题  564

参考文献  565

索引  568  


作者介绍

Ruey S. Tsay(蔡瑞胸) 美国芝加哥大学布斯商学院经济计量学和统计学的H.G.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。美国统计协会、数理统计学会及皇家统计学会的会士,Journal of Forecasting的联合主编,Journal of Financial Econometrics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。在商务和经济预测、数据分析、风险管理和过程控制领域撰写并发表了论文100多篇。他也是A Course in Time Series Analysis的合著者。

相关文章

  • luli 1推荐

    用实例解读金融现象

    作为金融定量分析的主流方法之一,时间序列分析在理论和实际应用中已成为金融市场研究的不可缺少的部分。近代计量经济和金融市场的许多研究成果都建立在时间序列分析的基础之上。其研究的重要性自不消多说。 自从第一版面市以来,本书就成为了金融时间序列分析领域最有影响力也最具现实意义的巨著…...

  • tintin_ji 1推荐

    虚掩的门

    从今天开始,我决定开启自己的金融数学的学习之路。已经大三了,未来还是没有什么起色,这样不应该是我的生活。学习经济学,是一种科学也是一种技术,一方面经济匡时,我可以用这些学术真正改变这个社会。另一方面,他又是一种十分具体的技术,去帮助我来预测未来,发现机会并规避风险。 一方面通…...

  • 这本书的数据可以在蔡瑞胸教授的网站上下载,http://faculty.chicagobooth.edu/ruey.tsay/teaching/fts3/(用Chrome浏览器打开可能会发生错误,建议用Firefox,IE或Edge)。另外我也把资源下载发到了Github上,有几个章节的习题使用了相同的数据集,大家在对应章节的文件夹找不到数据的话,可以翻翻之前的章节。https://github.com/backfirehzy/Time-Series-Analysis
    backfirehzy  发表于 2018-01-28 03:42:59
    推荐
  • 比较看好这本书
    Mr_Z  发表于 2012-09-05 21:24:07
    推荐
  • 我對此也挺有興趣的
    BYVoid  发表于 2012-09-25 16:48:43
    推荐
  • 书本身写的系统又有深度,不过很多地方省略了推导,对于基础不大好的读者而言看起来有些累。翻译真的不怎么样,很多句式结构没有拆分重组,依旧保留了英语的句式结构,读起来不符合中国人的习惯,很多句子的翻译也比较生涩。
    钱亦欣  发表于 2015-05-07 10:29:05
    推荐
  • 很烧脑的一本书啊,500多页全是公式,当作手册来查倒是不错。
    meta  发表于 2016-02-20 16:05:37
    推荐
  • 其实这本书写得非常棒,对于有一些统计学基础的,基本上不太难,但重要的是不知道哪儿可以下到教材使用的数据和代码,自己编好麻烦,数据也找不到
    小joker华华  发表于 2016-04-16 12:39:49
    推荐