本书系统地介绍了金融计量学的相关知识和实际数据分析案例.全书由两个部分组成,共9章内容.第一部分由前4章组成,聚焦于金融计量学的时间序列分析模型,包含线性时间序列模型、异方差波动率模型和多元时间序列分析模型.第二部分由第5—9章组成,着重讨论交叉学科的相关主题,包含有效投资组合与资本资产定价模型、因子定价模型、投资组合配置与风险评估、基于基本资产定价模型的消费和现值模型.
更多科学出版社服务，请扫码获取。
全国统计教材编委会委员；中国教育统计学会常务理事。
目录
译者序
前言
第1章 资产收益率 1
1.1 收益率 1
1.1.1 单期简单收益率和总收益率 1
1.1.2 多期收益率 1
1.1.3 对数收益率和连续复利 2
1.1.4 股息调整 4
1.1.5 债券收益与价格 4
1.1.6 超额收益率 6
1.2 金融收益率数据的行为 6
1.3 有效市场假说和收益率统计模型 15
1.4 有效市场假说的相关检验 18
1.4.1 白噪声检验 18
1.4.2 Ljung-Box 检验的注记 20
1.4.3 随机游走检验 21
1.4.4 Ljung-Box 检验和 Dickey-Fuller 检验 23
1.5 附录: Q-Q 图和 Jarque-Bera 检验 24
1.5.1 Q-Q 图 24
1.5.2 Jarque-Bera 检验 25
1.6 进一步阅读和软件实现 25
1.7 习题 26
第2章 线性时间序列模型 28
2.1 平稳性 28
2.2 平稳 ARMA 模型 30
2.2.1 移动平均过程 30
2.2.2 自回归过程 34
2.2.3 自回归移动平均过程 41
2.3 非平稳和长记忆 ARMA 过程 46
2.3.1 随机游走 47
2.3.2 ARIMA 模型和指数平滑 47
2.3.3 FARIMA 模型和长记忆过程 49
2.3.4 时间序列模型综述 50
2.4 应用 ACF, PACF 和 EACF 进行模型选择 51
2.5 拟合 ARMA 模型: MLE 和 LSE 55
2.5.1 最小二乘估计 55
2.5.2 高斯极大似然估计 56
2.5.3 黄金价格示例 59
2.5.4 极大似然估计方法简介 62
2.6 模型诊断: 残差分析 64
2.6.1 残差图 64
2.6.2 残差的拟合优度检验 67
2.7 基于信息准则的模型识别 68
2.8 随机和确定性趋势 70
2.8.1 剔除趋势 71
2.8.2 增广的 Dickey-Fuller 检验 72
2.8.3 例子 73
2.8.4 季节性 76
2.9 预测 78
2.9.1 ARMA 过程的预测 78
2.9.2 金融市场趋势和动量的预测 82
2.10 附录: R 语言的时间序列分析 90
2.10.1 从 R 开始 90
2.10.2 时间序列分析的 R-函数 91
2.10.3 TSA——一个附加程序包 93
2.11 习题 93
第3章 异方差波动率模型 97
3.1 ARCH 和 GARCH 模型 97
3.1.1 ARCH 模型 98
3.1.2 GARCH 模型 103
3.1.3 GARCH 模型的平稳性 105
3.1.4 四阶矩 108
3.1.5 波动率预测 112
3.2 GARCH 模型的估计 112
3.2.1 条件极大似然估计 112
3.2.2 模型诊断 114
3.2.3 GARCH 模型的应用 117
3.2.4 渐近性质 122
3.2.5 最小一乘 (LAD) 估计 123
3.3 ARMA-GARCH 模型 127
3.4 扩展的 GARCH 模型 128
3.4.1 EGARCH 模型 129
3.4.2 非对称幂 GARCH 模型 132
3.4.3 超额收益率和 GARCH-M 模型 136
3.4.4 IGARCH 模型 137
3.5 随机波动率模型 138
3.5.1 概率性质 139
3.5.2 参数估计 140
3.5.3 杠杆效应 142
3.6 附录: 状态空间模型 143
3.6.1 线性模型 143
3.6.2 高斯模型的卡尔曼递归 143
3.6.3 非线性模型 147
3.6.4 粒子滤波器 148
3.7 习题 150
第4章 多元时间序列分析 153
4.1 平稳性与自相关矩阵 153
4.1.1 平稳向量过程 153
4.1.2 样本互协方差/相关阵 155
4.2 向量自回归模型 158
4.2.1 平稳性 158
4.2.2 参数估计 160
4.2.3 模型选择和诊断 163
4.2.4 实际数据的例子 164
4.2.5 格兰杰因果关系 168
4.2.6 脉冲响应函数 171
4.3 协整 174
4.3.1 单位根和协整 174
4.3.2 恩格尔–格兰杰方法和误差修正模型 175
4.3.3 Johansen 似然方法 179
4.3.4 实际数据的例子 183
4.4 习题 187
第5章 有效投资组合与资本资产定价模型 189
5.1 有效投资组合 189
5.1.1 投资组合的收益与风险 189
5.1.2 投资组合最优化 190
5.1.3 有效投资组合与夏普比率 192
5.1.4 有效前沿边界 194
5.1.5 执行方面的挑战 195
5.2 最优化期望效用函数 195
5.3 资本资产定价模型 197
5.3.1 市场投资组合 198
5.3.2 资本资产定价模型 199
5.3.3 市场贝塔及其应用 201
5.4 验证 CAPM 203
5.4.1 经济计量公式 203
5.4.2 极大似然估计 203
5.4.3 检验统计量 205
5.5 实证研究 209
5.5.1 概述 209
5.5.2 Fama-French 投资组合 210
5.5.3 进一步评论 212
5.6 横截面回归 213
5.7 没有无风险资产的投资组合优化 214
5.8 带有未知无风险利率的 CAPM 221
5.8.1 验证 Black 版本的 CAPM 221
5.8.2 检验统计量 222
5.9 补充 224
5.9.1 (5.43) 的证明 224
5.9.2 (5.48) 的证明 225
5.10 习题 226
第6章 因子定价模型 229
6.1 多因子定价模型 229
6.1.1 多因子模型 229
6.1.2 因子定价模型 233
6.2 多因子模型的应用 234
6.3 带有可交易因子的模型验证 235
6.3.1 存在无风险资产的情形 235
6.3.2 风险溢阶的估计 236
6.3.3 检验统计量 237
6.3.4 应用 Fama-French 投资组合的一个实证研究 239
6.3.5 不存在无风险资产情形 241
6.4 宏观经济变量因子 243
6.5 因子选择 244
6.5.1 主成分分析 244
6.5.2 因子分析 248
6.6 习题 251
第7章 投资组合配置与风险评估 254
7.1 大型投资组合的风险评估 254
7.1.1 投资组合的稳定性 255
7.1.2 稳定性和风险近似 256
7.1.3 风险评估误差 260
7.1.4 具有给定风险敞口的代表性投资组合 261
7.2 大波动率矩阵估计 262
7.2.1 指数平滑 263
7.2.2 压缩正则化 265
7.2.3 半正定和正定矩阵空间上的投影 267
7.2.4 惩罚似然正则化 268
7.2.5 带有可观测因子的因子模型 271
7.2.6 带有可观测因子的近似因子模型 274
7.2.7 带有不可观测因子的近似因子模型 277
7.3 总风险敞口约束下的投资组合配置 280
7.3.1 总风险敞口约束下的投资组合选择 280
7.3.2 与协方差正则化的关系 283
7.4 投资组合选择和追踪 284
7.4.1 与回归的关系 284
7.4.2 投资组合选择与追踪 285
7.5 实证研究 286
7.5.1 Fama-French 100 投资组合 287
7.5.2 罗素 3000 股票 289
7.6 补充 290
7.6.1 定理 7.2 的证明 290
7.6.2 定理 7.3 的证明 291
7.6.3 (7.48) 的证明 291
7.7 习题 291
第8章 基于资本资产定价模型的消费 294
8.1 效用最优化 294
8.2 基于消费的资本资产定价模型 296
8.2.1 CCAPM 297
8.2.2 幂效用 298
8.3 均值–方差边界 302
8.4 习题 304
第9章 现值模型 305
9.1 基本价格 305
9.2 理性泡沫 307
9.3 时变预期收益率 309
9.4 实证研究 313
9.5 相依情形下的线性回归 318
9.6 习题 320
参考文献 322
书单推荐
