出版社:人民邮电出版社
出版日期:2012-9-1
ISBN:9787115287625
作者:[美] Ruey S. Tsay
页数:571页
章节摘录
版权页: 插图:
前言
许多国家都在竭力从当前的全球金融危机中恢复过来,显而易见,我们不想再遇到这样的危机。为了防止再发生这样的危机,我们必须对刚过去的危机进行研究。因此,在实证研究中,过去几年的金融数据就成为重要的研究对象。本次修订的主要目的就是更新使用的数据,并重新分析这些实例,从而便于人们更好地理解资产收益的性质。同时,我们在金融计量学和金融分析软件包方面也取得许多新进展,特别是Rmetrics有许多程序包可用于分析金融时间序列。本次修订的第二个目的就是给出R命令和示例,从而使读者可以更加轻而易举地重新计算书中的实例,并得到结果。在这次金融危机中,有一些大的金融机构相继倒闭,这表明极端事件有群集发生的特点。它们之间不是相互独立的。为了处理极端事件的相依性,在第7章中,我增加了极值指数的内容,并且讨论了极值指数对风险值的影响。我还重新编写了第7章,从而使其更易于读者理解,内容也更加全面。现在,第7章还包括了用于度量金融风险的预期损失(或者条件风险值)的内容。我力求本书的篇幅不要过大,涵盖内容尽可能多。基于以下三方面的原因,本次修订没有考虑信用风险和经营风险。首先,需要深入研究适用于评估信用风险的有效方法;其次,不便于得到大量的可用数据;最后,本书的篇幅已经不能再大了。第3版增加的内容概述如下。(1)更新了本书从头至尾使用的数据。(2)提供了R命令和示例。在有些例子中给出了R程序。(3)使用新的观察数据,重新分析了许多例子。(4)在第3章中,为了进行波动率建模,引入了非对称分布。(5)在第5章中,为了研究最近的高频交易数据的性质,增加了非线性持续期模型的应用。(6)在第7章中,使用统一的方法,通过损失函数来分析风险值(VaR),讨论预期损失(ES),或者等价的条件风险值(CVaR)。为了分析相依数据,还引入了极值指数。(7)在第8章中,讨论了协整模型在配对交易(pairtrading)中的应用。(8)在第10章中,研究了动态相关模型的应用。本书第2版的许多读者给出的建设性意见让我受益匪浅,这些读者包括学生、同行和朋友,我对他们感激不尽。特别地,我要对SpencerGraves、ESTIMA的TomDoan和EugeneGath致以真挚的谢意。SpencerGraves编写了FinTS的R软件包,Doan和Gath把书稿仔细地看了一遍。我还要感谢KamHamidieh,对于修订中应该关注的新专题,他给出了很好的建议。我也要感谢Wiley的同事们,特别是JackiePalmieri和StephenQuigley,感谢他们的支持。与往常一样,如果没有我的妻子和孩子们不断的鼓励和无条件的爱,我不可能完成这个修订版。他们是激励我前进的动力和力量来源。我的部分研究得到了芝加哥大学布斯商学院的赞助。蔡瑞胸(Ruey S.Tsay)伊利诺伊州芝加哥芝加哥大学布斯商学院
内容概要
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。中国台湾“中央研究院”院士,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。
王远林毕业于东北财经大学数学与数量经济学院, 获经济学博士学位. 现任东北财经大学数学与数量经济学院副教授, 硕士研究生导师.
主要研究方向:数理金融和金融计量经济学.
潘家柱曾任北京大学金融数学系副教授、教授和博士生导师, 并在伦敦经济学院(LSE) 从事过两年的研究工作, 现在英国斯特拉思克莱德大学任教. 2002 年,与程士宏教授等人一起获得教育部提名国家科学技术奖自然科学奖二等奖. 2008年, 担任第7 届世界概率统计大会时间序列分组的主持人. 研究工作受到英国爱丁堡皇家学会和中国国家自然科学基金委员会的基金资助.
主要研究方向:时间序列分析、金融计量经济学和风险管理.
王辉毕业于北京大学数学科学学院概率统计系, 获博士学位. 现任教于中央财经大学金融学院金融工程系.
主要研究方向:时间序列分析和金融计量经济学.
书籍目录
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
编辑推荐
《图灵数学•统计学丛书: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。《图灵数学•统计学丛书:金融时间序列分析(第3版)》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。
作者简介
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。
图书封面