本书主要讨论时间序列分析的相关理论及其在金融问题中的应用，主要内容包括时间序列数据在线性分析中的问题及时间序列模型。其中，时间序列模型包括理论和应用两部分：理论部分主要包括一元线性自回归移动平均模型、一元非线性随机波动率模型、多元线性向量自回归模型及协整模型；应用部分涉及经济金融政策评估、经济金融指标预测、金融资产风险的度量及管理以及动态交易策略等，同时还介绍了R软件在这些方面的应用。作者王亚平，北京大学光华管理学院副教授，博士生导师。
王亚平
----------------------------
王亚平，北京大学光华管理学院副教授，博士生导师。主要研究领域为实证金融，在Review of Financial Studies、Journal of Banking and Finance、Journal of Optimization Theory and Applications、Journal of Accounting and Public Policy、《经济研究》《管理世界》《金融研究》《会计研究》等学术刊物上发表多篇论文。加入北京大学前，在荷兰银行美国分部（ABN AMRO,N.A.）的利率衍生品交易部门任量化分析师。
第1章 导论1
1.1 时间序列数据的特点3
1.2 金融时间序列分析的任务7
1.3 R软件简介8
1.4 随机变量及资产回报14
1.5 矩条件及其经济含义17
1.6 预测的本质20
第2章 时间序列的基本性质25
2.1 平稳性27
2.2 遍历性29
2.3 自相关性30
2.4 大样本性质35
2.5 时间序列数据在线性回归模型中的应用40
第3章 自回归模型47
3.1 差分方程49
3.2 AR模型的定义及性质58
3.3 AR模型的识别67
3.4 应用范例：中国GDP增长的周期性77
第4章 自回归移动平均模型83
4.1 MA模型85
4.2 ARMA模型91
4.3 预测97
4.4 滚动窗口样本外预测误差及其分析102
第5章 单位根过程及其检验109
5.1 单位根过程111
5.2 单位根检验114
5.3 检验模型的选择120
5.4 检验中的其他问题126
5.5 分数单位根简介132
第6章季节性问题及季节调整135
6.1 季节性现象137
6.2 季节模型139
6.3 季节调整 142
6.4 应用范例：预测中国GDP155
第7章 向量自回归模型163
7.1 多元时间序列的可预测性165
7.2 VAR模型及其性质167
7.3 VAR模型的识别172
7.4 预测及模型比较 178
7.5 应用范例：预测中国GDP179
第8章 时间序列之间的动态关系187
8.1 格兰杰因果关系 189
8.2 脉冲反应函数196
8.3 方差分解 215
8.4 结构性VAR模型简介 219
8.5 应用范例：中国货币政策有效性评估223
第9章 协整229
9.1 长期均衡与协整231
9.2 协整的检验233
9.3 误差修正模型241
9.4 Johansen协整检验及模型估计253
9.5 应用：配对交易策略257
第10章 GARCH波动率模型261
10.1 波动率的性质263
10.2 GARCH模型267
10.3 GARCH家族的其他模型283
10.4 GARCH波动率的估算和预测286
第11章 其他波动率模型295
11.1 实现波动率297
11.2 隐含波动率301
11.3 波动率模型的比较305
11.4 应用：在险价值的计算308
参考文献315
书单推荐
