该书主要介绍了计量经济学和统计学文献中出现的金融计量方法方面的最新进展，强调实例和数据分析。特别是包含当前的研究热点，如风险值、高频数据分析和马尔町夫链蒙特卡罗方法等。主要内容包括：金融时间序列数据的基本特征，神经网络，非线性方法，使用跳跃扩散方程进行衍生产品的定价，采用极值理论计算风险值，带时变相关系数的多元波动率模型，贝叶斯推断。本书可作为金融等专业高年级本科生或研究生的时间序列分析教材，也可供相关专业研究人员参考。

机械工业出版社出版图书(基本信息 作者简介 目录 译者序 前言)

清华大学出版社出版图书(图书信息 内容简介 图书目录)

机械工业出版社出版图书

基本信息

作者：（美）蔡 著，潘家柱 译

ISBN：10位[711118386X] 13位[9787111183860]

出版社：机械工业出版社

出版日期：2006-4-1

定价：￥39.00 元

作者简介

Ruey S.Tsay(蔡瑞胸)美国芝加哥大学布斯商学院经济计量及统计学的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，美国统计协会和数理统计学会的会士，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

目录

译者序

前言

第1章 金融时间序列及其特征

1.1 资产收益率

1.2 收益率的分布性质

1.2.1 统计分布及其矩的回顾

1.2.2 收益率的分布

1.2.3 多元收益率

1.2.4 收益率的似然函数

1.2.5 收益率的经验性质

1.3 其他过程

练习题

参考文献

第2章 线性时间序列分析及其应用

2.1 平稳性

2.2 相关系数和自相关函数

2.3 白噪声和线性时间序列

2.4 简单的自回归模型

2.4.1 AR模型的性质

2.4.2 实际中怎样识别AR模型

2.4.3 预测

2.5 简单滑动平均模型

2.5.1 MA模型的性质

2.5.2 识别MA的阶

2.5.3 估计

2.5.4 用MA模型预测

2.6 简单的ARMA模型

2.6.1 ARMA（1，1）模型的性质

2.6.2 一般的ARMA模型

2.6.3 识别ARMA模型

2.6.4 用ARMA模型预测

2.6.5 ARMA模型的三种表示

2.7 单位根非平稳性

2.7.1 随机游动

2.7.2 带漂移的随机游动

2.7.3 一般的单位根非平稳模型

2.7.4 单位根检验

2.8 季节模型

2.8.1 季节性差分

2.8.2 多重季节性模型

2.9 带时间序列误差的回归模型

2.10 长记忆模型

附录A 一些SCA的命令

练习题

参考文献

第3章 条件异方差模型

3.1 波动率的特征

3.2 模型的结构

3.3 ARCIt模型

3.3.1 ARCH模型的性质

3.3.2 ARCH模型的缺点

3.3.3 ARCH模型的建立

3.3.4 例子

3.4 GARCH模型

3.4.1 一个例子

3.4.2 预测的评价

3.5 求和GARCH模型

3.6 GARCH—M模型

3.7 指数GARCH模型

3.7.1 实例说明

3.7.2 另一个例子

3.7.3 用EGARCH模型预测

3.8 CHARMA模型

3.9 随机系数的自回归模型

3.10 随机波动率模型

3.11 长记忆随机波动率模型

3.12 另一种方法

3.13 应用

3.14 GARCH模型的峰度

附录A 估计波动率模型的一些RATS程序

练习题

参考文献

第4章 非线性模型及其应用

4.1 非线性模型

4.1.1 双线性模型

4.1.2 门限自回归模型

4.1.3 平滑转移AR模型

4.1.4 马尔可夫转换模型

4.1.5 非参数方法

4.1.6 函数系数AR模型

4.1.7 非线性可加AR模型

4.1.8 非线性状态空间模型

4.1.9 神经网络

4.2 非线性检验

4.2.1 非参数检验

4.2.2 参数检验

4.2.3 应用

4.3 建模

4.4 预测

4.4.1 参数自助法

4.4.2 预测的评估

4.5 应用

附录A 一些关于非线性波动率模型的RATS程序

附录B 神经网络的S-Plus命令

练习题

参考文献

第5章 高频数据分析与市场微观结构

第6章 连续时间模型及其应用

第7章 极值理论、分位数估计与VaR

第8章 多元时间序列分析及其应用

第9章 多元波动率模型及其应用

第10章 马尔可夫链蒙特卡罗方法的应用

索引

译者序

时间序列分析在理论和经验上已成为金融市场研究的不可缺少的部分。 时间序列分析方法已是金融定量分析的主流方法之一。 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。Engle和Grange因为他们的时间序列模型在经济金融中的广泛应用而获得2003年的诺贝尔经济学奖，就是时间序列分析方法的重要性在世界上被广泛认可的有力证明。. 蔡瑞胸(Ruey S．Tsay)教授是美国芝加哥大学的计量经济与统计学的H．G．B，亚历山大(Alexander)教授．他在计量经济学、统计学和金融市场的研究方面成果卓著．他的这本《金融时间序列分析》涵盖了当前数理金融研究中最新的几个重要方面：风险值的计算..

前言

本书由自1999年我在芝加哥大学商学院所教的MBA(工商管理硕士)金融时间序列分析课程发展而来。它也包含了过去几年我开设的时间序列分析博士生课程的内容。这是一本引论性质的书，旨在对金融计量模型及其在金融时间序列数据建模和预测中的应用，进行系统的、综合的阐述。 目标是使读者了解金融数据的基本特征，懂得金融计量模型的应用，并获得分析金融时间序列的经验。本书可作为金融专业MBA学生的时间序列分析教材，也适用于商学、经济学、数学和统计学专业对金融计量学感兴趣的研究生和高年级本科生。它也可以作为要进行风险值(Valueat Risk)的计算、波动率(Volatility)建模和对具有先后相关性的数..

清华大学出版社出版图书

图书信息

作　者：张世英，许启发，周红　编著

出 版 社：清华大学出版社

出版时间：2008-1-1

版　次：1

页　数：258

字　数：331000

印刷时间：2008-1-1

开　本：16开

纸　张：胶版纸

印　次：1

I S B N：9787302164081

包　装：平装

内容简介

金融时问序列分析是一门新的金融统计学课程，汇总了时间序列在金融经济方面应用的理论、办法和应用。本教材是以作者多年来在金融时间序列方面的科研和教学为基础编写的。该书体现了较强的理论深度和学术前沿性，同时针对我国金融市场实际进行了大量实证研究，具有理论和实际指导意义。在长期的教学和相关研究中，我们汇集了大量巾国金融市场时间序列多方面的实证分析成果，这将是我们教材的重要内容。

该书作作为财经类或综合类院校的数量经济学、金融学、统计学、数学等专业高年级本科生和棚天领域研究生的教科书，亦可作为数量经济、金融计量、金融工程等领域的研究人员、有关教帅、经济和金融工作者的参考书。

图书目录

前言

第一章　绪论

第一节 金融时间序列分析概述

第二节 金融时间序列的特点

第二章　时间序列分析

第一节 时间序列与随机过程

第二节 时间序列模型

第三节 非平稳及长记忆时间序列ARFIMA模型

第四节 VAR模型与Granger因果分析

第五节 时间序列分析的状态空间方法

第三章 时间序列的单位根过程

第一节 单位根过程及其性质

第二节 单位根过程的检验

第三节 具有单位根的VAR模型

第四章　协整理论与建模

第一节 协整与误差校正模型

第二节 协整关系的估计与检验

第三节 基于协整系统的预测

第四节 协整理论的扩展

第五章　条件异方差模型

第一节 ARCH模型及其性质

第二节 GARCH模型及其性质

第三节 ARCH类模型扩展

第四节 多元GARCH模型

第五节 金融市场波动性建模与Eviews软件操作

第六章 随机波动模型

第一节 SV模型及其统计性质

第二节 SV模型的扩展

第三节 多元SV模型

第四节 SV模型与GARCH模型对金融时间序列刻画能力比较

第五节 风险价值

第七章　高频金融时间序列分析

第一节 高频金融时间序列特点与基本问题

第二节 超高频金融时间序列的持续期模型与金融市场微观结构

第三节 金融市场微观结构的实证研究

第八章　金融时间序列的小波方法

第一节 离散小波变换与多分辨分析

第二节 基于小波分析的金融波动分析

第三节 多分辨协整及误差校正模型

参考文献

附表