Fundamental topics and new methods in time series analysis Analysis of Financial Time Series provides a comprehensive and systematic introduction to financial econometric models and their application to modeling and prediction of financial time series data. It utilizes real & ndash;world examples and real financial data throughout the book to apply the models and methods described. The author begins with basic characteristics of financial time series data before covering three main topics: analysis and application of univariate financial time series; the return series of multiple assets; and Bayesian inference in finance methods. Timely topics and recent results include: Value at Risk (VaR) High & ndash;frequency financial data analysis Markov Chain Monte Carlo (MCMC) methods Derivative pricing using jump diffusion with closed & ndash;form formulas VaR calculation using extreme value theory based on a non & ndash;homogeneous two & ndash;dimensional Poisson process Multivariate volatility models with time & ndash;varying correlations Ideal as a fundamental introduction to time series for MBA students or as a reference for researchers and practitioners in business and finance, Analysis of Financial Time Series offers an in & ndash;depth and up & ndash;to & ndash;date account of these vital methods

zlib/no-category/特斯/华章数学译丛23金融时间序列分析_27022713.pdf

金融时间序列分析 = Analysis of financial time series Jin rong shi jian xu lie fen xi = Analysis of financial time series

Analysis of Financial Time Series : Financial Econometrics

蔡 Tsay, Ruey S. 195112~

Tsay, Ruey S.·蔡

Ruey S. Tsay

Wiley-Interscience [Imprint] John Wiley & Sons, Incorporated

Jossey-Bass, Incorporated Publishers

机械工业出版社 Ji xie gong ye chu ban she

WILEY COMPUTING Publisher

China Machine Press

北京:机械工业出版社

Wiley series in probability and statistics, New York ; [Great Britain, ©2002

Wiley series in probability and statistics, New York, New York State, 2002

Hua zhang shu xue yi cong, 23, Di 1 ban, 北京 Beijing, 2006

United States, United States of America

China, People's Republic, China

Hoboken, Oct. 2001

October 15, 2001

1, 2001-10-15

"A Wiley-Interscience publication."
Includes bibliographical references and index.

Bookmarks: p0-1 (p1): 目录
p0-2 (p1): 译者序
p0-3 (p1): 前言
p0-4 (p1): 第1章 金融时间序列及其特征
p0-5 (p2): 1.1　资产收益率
p0-6 (p5): 1.2　收益率的分布性质
p0-7 (p5): 1.2.1　统计分布及其矩的回顾
p0-8 (p7): 1.2.2　收益率的分布
p0-9 (p10): 1.2.3　多元收益率
p0-10 (p10): 1.2.4　收益率的似然函数
p0-11 (p10): 1.2.5　收益率的经验性质
p0-12 (p13): 1.3　其他过程
p0-13 (p15): 练习题
p0-14 (p16): 参考文献
p0-15 (p17): 第2章 线性时间序列分析及其应用
p0-16 (p17): 2.1　平稳性
p0-17 (p18): 2.2　相关系数和自相关函数
p0-18 (p21): 2.3 白噪声和线性时间序列
p0-19 (p22): 2.4　简单的自回归模型
p0-20 (p23): 2.4.1　AR模型的性质
p0-21 (p27): 2.4.2　实际中怎样识别AR模型
p0-22 (p30): 2.4.3　预测
p0-23 (p32): 2.5　简单滑动平均模型
p0-24 (p33): 2.5.1 MA模型的性质
p0-25 (p34): 2.5.2　识别MA的阶
p0-26 (p35): 2.5.3　估计
p0-27 (p35): 2.5.4　用MA模型预测
p0-28 (p37): 2.6.1　ARMA（1,1）模型的性质
p0-29 (p37): 2.6　简单的ARMA模型
p0-30 (p38): 2.6.2　一般的ARMA模型
p0-31 (p38): 2.6.3　识别ARMA模型
p0-32 (p40): 2.6.4　用ARMA模型预测
p0-33 (p41): 2.6.5　ARMA模型的三种表示
p0-34 (p42): 2.7　单位根非平稳性
p0-35 (p43): 2.7.1 随机游动
p0-36 (p43): 2.7.2　带漂移的随机游动
p0-37 (p45): 2.7.3　一般的单位根非平稳模型
p0-38 (p46): 2.7.4　单位根检验
p0-39 (p46): 2.8　季节模型
p0-40 (p47): 2.8.1　季节性差分
p0-41 (p48): 2.8.2　多重季节性模型
p0-42 (p50): 2.9　带时间序列误差的回归模型
p0-43 (p55): 2.10　长记忆模型
p0-44 (p57): 附录A　一些SCA的命令
p0-45 (p58): 练习题
p0-46 (p60): 参考文献
p0-47 (p61): 第3章 条件异方差模型
p0-48 (p61): 3.1　波动率的特征
p0-49 (p62): 3.2　模型的结构
p0-50 (p64): 3.3 ARCH模型
p0-51 (p65): 3.3.1 ARCH模型的性质
p0-52 (p66): 3.3.2 ARCH模型的缺点
p0-53 (p67): 3.3.3 ARCH模型的建立
p0-54 (p69): 3.3.4　例子
p0-55 (p71): 3.4　GARCH模型
p0-56 (p73): 3.4.1 一个例子
p0-57 (p77): 3.5　求和GARCH模型
p0-58 (p77): 3.4.2　预测的评价
p0-59 (p78): 3.6　GARCH-M模型
p0-60 (p79): 3.7　指数GARCH模型
p0-61 (p80): 3.7.1　实例说明
p0-62 (p81): 3.7.2　另一个例子
p0-63 (p81): 3.7.3　用EGARCH模型预测
p0-64 (p82): 3.8　CHARMA模型
p0-65 (p84): 3.9　随机系数的自回归模型
p0-66 (p85): 3.10　随机波动率模型
p0-67 (p85): 3.11　长记忆随机波动率模型
p0-68 (p87): 3.12　另一种方法
p0-69 (p89): 3.13　应用
p0-70 (p92): 3.14　GARCH模型的峰度
p0-71 (p93): 附录A　估计波动率模型的一些RATS程序
p0-72 (p94): 练习题
p0-73 (p96): 参考文献
p0-74 (p98): 第4章 非线性模型及其应用
p0-75 (p99): 4.1　非线性模型
p0-76 (p99): 4.1.1　双线性模型
p0-77 (p100): 4.1.2 门限自回归模型
p0-78 (p104): 4.1.3　平滑转移AR模型
p0-79 (p105): 4.1.4　马尔可夫转换模型
p0-80 (p107): 4.1.5　非参数方法
p0-81 (p112): 4.1.6 函数系数AR模型
p0-82 (p112): 4.1.7　非线性可加AR模型
p0-83 (p113): 4.1.8　非线性状态空间模型
p0-84 (p113): 4.1.9　神经网络
p0-85 (p118): 4.2　非线性检验
p0-86 (p118): 4.2.1　非参数检验
p0-87 (p120): 4.2.2　参数检验
p0-88 (p123): 4.2.3　应用
p0-89 (p124): 4.3　建模
p0-90 (p125): 4.4　预测
p0-91 (p125): 4.4.1　参数自助法
p0-92 (p125): 4.4.2　预测的评估
p0-93 (p127): 4.5　应用
p0-94 (p130): 附录A　一些关于非线性波动率模型的RATS程序
p0-95 (p131): 附录B　神经网络的S-Plus命令
p0-96 (p132): 练习题
p0-97 (p133): 参考文献
p0-98 (p136): 第5章 高频数据分析与市场微观结构
p0-99 (p136): 5.1　非同步交易
p0-100 (p139): 5.2　买卖报价差
p0-101 (p141): 5.3　交易数据的经验特征
p0-102 (p146): 5.4.1　顺序概率值模型
p0-103 (p146): 5.4　价格变化模型
p0-104 (p148): 5.4.2　分解模型
p0-105 (p151): 5.5　持续期模型
p0-106 (p153): 5.5.1　ACD模型
p0-107 (p155): 5.5.2　模拟
p0-108 (p158): 5.5.3　估计
p0-109 (p161): 5.6　非线性持续期模型
p0-110 (p163): 5.7　价格变化和持续期的二元模型
p0-111 (p167): 附录A　一些概率分布的回顾
p0-112 (p169): 附录B　危险率函数
p0-113 (p170): 附录C　持续期模型的一些RATS程序
p0-114 (p171): 练习题
p0-115 (p173): 参考文献
p0-116 (p174): 6.1　期权
p0-117 (p174): 第6章 连续时间模型及其应用
p0-118 (p175): 6.2.1　维纳过程
p0-119 (p175): 6.2　一些连续时间的随机过程
p0-120 (p177): 6.2.2　一般的维纳过程
p0-121 (p177): 6.2.3　伊藤过程
p0-122 (p178): 6.3　伊藤引理
p0-123 (p178): 6.3.1　微分回顾
p0-124 (p178): 6.3.2　随机微分
p0-125 (p179): 6.3.3　一个应用
p0-126 (p180): 6.3.4　μ和σ的估计
p0-127 (p181): 6.4　股票价格与对数收益率的分布
p0-128 (p183): 6.5　Black-Scholes微分方程的推导
p0-129 (p184): 6.6.1　风险中性世界
p0-130 (p184): 6.6.2　公式
p0-131 (p184): 6.6　Black-Scholes定价公式
p0-132 (p186): 6.6.3　讨论
p0-133 (p190): 6.7　伊藤引理的扩展
p0-134 (p190): 6.8　随机积分
p0-135 (p191): 6.9　跳跃扩散模型
p0-136 (p197): 6.10　连续时间模型的估计
p0-137 (p197): 附录A　B-S公式积分
p0-138 (p198): 附录B　标准正态概率的近似
p0-139 (p199): 练习题
p0-140 (p200): 参考文献
p0-141 (p201): 第7章 极值理论、分位数估计与VaR
p0-142 (p201): 7.1　VaR
p0-143 (p203): 7.2　风险度量制
p0-144 (p205): 7.3　VaR计算的经济计量方法
p0-145 (p205): 7.2.2　多个头寸
p0-146 (p205): 7.2.1　讨论
p0-147 (p209): 7.4　分位数估计
p0-148 (p209): 7.4.1　分位数与次序统计量
p0-149 (p210): 7.4.2　分位数回归
p0-150 (p211): 7.5　极值理论
p0-151 (p211): 7.5.1　极值理论的回顾
p0-152 (p213): 7.5.2　经验估计
p0-153 (p216): 7.5.3　股票收益率的应用
p0-154 (p218): 7.6　VaR的极值方法
p0-155 (p220): 7.6.1　讨论
p0-156 (p221): 7.6.2　多期VaR
p0-157 (p222): 7.6.3　空头头寸的VaR
p0-158 (p222): 7.7　基于极值理论的一个新方法
p0-159 (p223): 7.7.1　统计理论
p0-160 (p224): 7.7.2　一个新方法
p0-161 (p225): 7.7.3　基于新方法的VaR计算
p0-162 (p226): 7.7.4　解释变量的使用
p0-163 (p227): 7.7.5　模型检验
p0-164 (p228): 7.7.6　解释
p0-165 (p231): 练习题
p0-166 (p232): 参考文献
p0-167 (p234): 第8章 多元时间序列分析及其应用
p0-168 (p234): 8.1　弱平稳与交叉相关矩阵
p0-169 (p235): 8.1.1　交叉相关矩阵
p0-170 (p235): 8.1.2　线性相依性
p0-171 (p236): 8.1.3　样本交叉相关矩阵
p0-172 (p241): 8.1.4　多元混成检验
p0-173 (p242): 8.2　向量自回归模型
p0-174 (p244): 8.2.1 VAR（1）模型的平稳性条件和矩
p0-175 (p245): 8.2.2　向量AR（p）模型
p0-176 (p246): 8.2.3　建立一个VAR（p）模型
p0-177 (p249): 8.3　向量滑动平均模型
p0-178 (p253): 8.4　向量ARMA模型
p0-179 (p257): 8.5　单位根非平稳性与协整
p0-180 (p261): 8.6　门限协整与套利
p0-181 (p261): 8.6.1　多元门限模型
p0-182 (p262): 8.6.2　数据
p0-183 (p263): 8.6.3　估计
p0-184 (p264): 8.7　主成分分析
p0-185 (p264): 8.7.1　PCA理论
p0-186 (p266): 8.7.2　经验的PCA
p0-187 (p269): 8.8　因子分析
p0-188 (p270): 8.8.1　估计
p0-189 (p271): 8.8.2　因子旋转
p0-190 (p271): 8.8.3　应用
p0-191 (p274): 附录A 量与矩阵的回顾
p0-192 (p278): 附录B　多元正态分布
p0-193 (p279): 练习题
p0-194 (p280): 参考文献
p0-195 (p282): 第9章 多元波动率模型及其应用
p0-196 (p282): 9.1　重新参数化
p0-197 (p283): 9.1.1　相关系数的应用
p0-198 (p283): 9.1.2　楚列斯基分解
p0-199 (p286): 9.2　二元收益率的GARCH模型
p0-200 (p286): 9.2.1　常相关模型
p0-201 (p292): 9.2.2　时变相关模型
p0-202 (p297): 9.3　更高维的波动率模型
p0-203 (p302): 9.4　因子波动率模型
p0-204 (p304): 9.5　应用
p0-205 (p306): 9.6　多元t分布
p0-206 (p307): 附录A　对估计的一些注释
p0-207 (p310): 练习题
p0-208 (p311): 参考文献
p0-209 (p312): 第10章 马尔可夫链蒙特卡罗方法的应用
p0-210 (p312): 10.1　马尔可夫链模拟
p0-211 (p313): 10.2　吉布斯抽样
p0-212 (p315): 10.3　贝叶斯推断
p0-213 (p315): 10.3.1　后验分布
p0-214 (p316): 10.3.2　共轭先验分布
p0-215 (p318): 10.4　其他算法
p0-216 (p318): 10.4.1　Metropolis算法
p0-217 (p319): 10.4.3　格子吉布斯抽样
p0-218 (p319): 10.4.2　Metropolis-Hasting算法
p0-219 (p320): 10.5　带时间序列误差的线性回归
p0-220 (p323): 10.6　缺失值和异常值
p0-221 (p324): 10.6.1　缺失值
p0-222 (p325): 10.6.2　异常值的识别
p0-223 (p329): 10.7　随机波动率模型
p0-224 (p330): 10.7.1　一元模型的估计
p0-225 (p334): 10.7.2 多元随机波动率模型
p0-226 (p340): 10.8　马尔可夫转换模型
p0-227 (p346): 10.9　预测
p0-228 (p348): 10.10　其他应用
p0-229 (p348): 练习题
p0-230 (p349): 参考文献
p0-231 (p351): 索引

Provides statistical tools and techniques needed to understand today's financial markets The Second Edition of this critically acclaimed text provides a comprehensive and systematic introduction to financial econometric models and their applications in modeling and predicting financial time series data. This latest edition continues to emphasize empirical financial data and focuses on real-world examples. Following this approach, readers will master key aspects of financial time series, including volatility modeling, neural network applications, market microstructure and high-frequency financial data, continuous-time models and Ito's Lemma, Value at Risk, multiple returns analysis, financial factor models, and econometric modeling via computation-intensive methods. The author begins with the basic characteristics of financial time series data, setting the foundation for the three main topics: Analysis and application of univariate financial time series Return series of multiple assets Bayesian inference in finance methods This new edition is a thoroughly revised and updated text, including the addition of S-Plus® commands and illustrations. Exercises have been thoroughly updated and expanded and include the most current data, providing readers with more opportunities to put the models and methods into practice. Among the new material added to the text, readers will find: Consistent covariance estimation under heteroscedasticity and serial correlation Alternative approaches to volatility modeling Financial factor models State-space models Kalman filtering Estimation of stochastic diffusion models The tools provided in this text aid readers in developing a deeper understanding of financial markets through firsthand experience in working with financial data. This is an ideal textbook for MBA students as well as a reference for researchers and professionals in business and finance.

Introducing the theory and applications of time series methods, this book emphasizes on statistical content and applications. It provides professionals with methods for applying time series analysis to their work, along with real-life examples from financial markets

本书内容包括: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

2023-12-04