: | : | :期货程序化 | :期货程序化研究 | :期货量化学习 | :期货量化 |
返回列表 发帖

[套利/统计] 金融计量学_从初级到高级建模技术.pdf

[套利/统计] 金融计量学_从初级到高级建模技术.pdf



下载地址:
本帖隐藏的内容需要积分高于 1 才可浏览

《金融计量学:从初级到高级建模技术》可以作为经济、金融专业的本科高年级学生和研究生学习金融计量学的教材,也可以作为金融实务领域从业人员学习和使用金融计量学方法的参考用书。

《金融计量学(从初级到高级建模技术)》一书,是金融计量学研究领域的权威性著作。该书重点介绍了回归分析、单变量自回归移动平均模型、向量自回归过程、协整过程、主成分分析、因子分析、稳定过程以及存在厚尾误差的自回归移动平均模型和GARcH模型等多种模型和方法。该书的内容由浅入深,基本涵盖了现代金融计量学领域的大部分方法和内容。书中对金融计量学方法的介绍,既有详细的基础知识说明,又有实际案例应用的阐述。尤其是通过金融市场中的真实数据进行的举例说明,为读者展示了如何运用金融计量学方法对现实金融问题进行分析研究。因此,该书可以作为经济、金融专业的本科高年级学生和研究生学习金融计量学的教材,也可以作为金融实务领域从业人员学习和使用金融计量学方法的参考用书。

目录

第1章  金融计量学——范畴与方法
 1.1 数据生成过程
 1.2 金融计量学建模步骤
 1.3 模型的时间跨度
 1.4 模型的应用
 附录:投资管理过程
 本章概念(按照出现先后排序)
第2章  概率论与统计学知识回顾
 2.1 概率的概念
 2.2 估计的原则
 2.3 贝叶斯建模
 附录A:信息结构
 附录B:滤链
 本章概念(按照出现先后排序)
第3章  回归分析:理论和估计
 3.1 相关关系的概念
 3.2 回归和线性模型
 3.3 线性回归的估计
 3.4 回归的抽样分布
 3.5 回归模型解释效力的确定
 3.6 回归分析在金融中的应用
 3.7 逐步回归
 3.8 残差非正态性和残差自相关
 3.9 回归分析方法中的误区
 本章概念(按照出现先后排序)
第4章  回归分析专题
 4.1 回归模型中的分类变量和虚拟变量
 4.2 约束最小二乘
 4.3 矩估计方法及其一般化
 本章概念(按照出现先后排序)
第5章  回归分析在金融领域中的应用
 5.1 回归分析在投资管理过程中的应用
 5.2 强式定价有效的一个检验
 5.3 CAPM的检验
 5.4 利用CAPM评价管理人业绩——詹森指标
 5.5 多因子模型的证明
 5.6 标准的选择:夏普标准
 5.7 基于收益率的对冲基金风格分析
 5.8 对冲基金的存续期
 5.9 回归分析在债券组合管理中的应用
 本章概念(按照出现先后排序)
第6章  单变量时间序列建模
 6.1 差分方程
 6.2 术语和定义
 6.3 ARMA过程的平稳性和可逆性
 6.4 线性过程
 6.5 识别工具
 本章概念(按照出现先后排序)
第7章  ARIMA模型的建模和预测方法
 7.1 B—J过程概述
 7.2 差分次数的识别
 7.3 滞后阶数的识别
 7.4 模型的估计
 7.5 诊断检验
 7.6 预测
 本章概念(按照出现先后排序)
第8章  自回归条件异方差模型
 8.1 ARCH过程
 8.2 GARCH过程
 8.3 GARCH模型的估计
 8.4 平稳ARMA—GARCH模型
 8.5 拉格朗日乘数检验
 8.6 GARCH模型的变形
 8.7 GARCH模型预测
 8.8 多元GARCH结构
 附录:GARCH(1,1)模型的性质分析
 本章概念(按照出现先后排序)
第9章  向量自回归模型
 9.1 VAR模型的定义
 9.2 平稳自回归分布滞后模型
 9.3 向量自回归移动平均模型
 9.4 VAR模型的预测
 附录:特征向量与特征值
 本章概念(按照出现先后排序)
第10章  向量自回归模型¨
 10.1 稳定VAR模型的估计
 10.2 滞后阶数的判断
 10.3 残差自相关及其分布的性质
 10.4 VAR模型举例
 本章概念(按照出现先后排序)
第11章  协整与状态空间模型
 11.1 协整
 11.2 误差修正模型
 11.3 非平稳VAR模型估计的理论和方法
 11.4 状态空间模型
 本章概念(按照出现先后排序)
第12章  稳健估计
 12.1 稳健统计
 12.2 回归的稳健估计量
 12.3 协方差与相关系数矩阵的稳健估计
 12.4 应用
 本章概念(按照出现先后排序)
第13章  主成分分析和因子分析
 13.1 因子模型
 13.2 主成分分析
 13.3 因子分析
 13.4 债券组合管理中的PCA应用
 13.5 PCA与因子分析比较
 本章概念(按照出现先后排序)
第14章  金融计量学中的厚尾和稳定分布
 14.1 稳定分布的定义与基本性质
 14.2 稳定分布的性质
 14.3 稳定分布的参数估计
 14.4 在德国股票数据分析中的应用
 附录:概率分布的比较
 本章概念(按照出现先后排序)
第15章  具有无限方差新息的ARMA和ARCH模型
 15.1 具有无限方差的自回归过程
 15.2 稳定GARCH模型
 15.3 稳定GARCH模型的估计
 15.4 条件密度的预测
 本章概念(按照出现先后排序)
 附录 20只股票的月度收益率(2000年12月---2005年11月)

论坛官方微信、群(期货热点、量化探讨、开户与绑定实盘)
 
期货论坛 - 版权/免责声明   1.本站发布源码(包括函数、指标、策略等)均属开放源码,用意在于让使用者学习程序化语法撰写,使用者可以任意修改语法內容并调整参数。仅限用于个人学习使用,请勿转载、滥用,严禁私自连接实盘账户交易
  2.本站发布资讯(包括文章、视频、历史记录、教材、评论、资讯、交易方案等)均系转载自网络主流媒体,内容仅为作者当日个人观点,本网转载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。本网不对该类信息或数据做任何保证。不对您构成任何投资建议,不能依靠信息而取代自身独立判断,不对因使用本篇文章所诉信息或观点等导致的损失承担任何责任。
  3.本站发布资源(包括书籍、杂志、文档、软件等)均从互联网搜索而来,仅供个人免费交流学习,不可用作商业用途,本站不对显示的内容承担任何责任。请在下载后24小时内删除。如果喜欢,请购买正版,谢谢合作!
  4.龙听期货论坛原创文章属本网版权作品,转载须注明来源“龙听期货论坛”,违者本网将保留追究其相关法律责任的权力。本论坛除发布原创文章外,亦致力于优秀财经文章的交流分享,部分文章推送时若未能及时与原作者取得联系并涉及版权问题时,请及时联系删除。联系方式:http://www.qhlt.cn/thread-262-1-1.html
如何访问权限为100/255贴子:/thread-37840-1-1.html;注册后仍无法回复:/thread-23-1-1.html;微信/QQ群:/thread-262-1-1.html;网盘链接失效解决办法:/thread-93307-1-1.html

内容提要
鉴于每个金融时间序列的唯一性,解决方法就是将时间序列的单个元素看做是总体中的个体。比如,因为每只股票的价格时间序列只有一个实现,我们必须观察每只股票在不同时刻的价格。然而,一只股票(或者其他任何资产)在不同时刻的价格并不是一个独立的随机样本。比如,考虑一只股票不同时刻的价格分布是没有意义的,因为股票的价格水平是随时间变化的。我们最初得到的金融变量的时间序列必须进行转变,也就是说,一个特有的时间序列必须通过个体转变成总体,才能使用统计方法。这一点不仅适用于价格,也适用于其他金融变量。
    计量经济学不仅涉及上述类型的转换,还包括一些证实转换效果的检验。DGP是这些转换方法中最重要的一个。回想一下,我们可以将DGP解释为将一个时间序列转化为一个噪声序列的方法。正如我们已经看到的,DGP从原始序列出发构造了一个随机扰动序列,并且允许倒推,以及从噪声项和DGP推断原序列的统计特征。但是,这些统计特征不能被独立地检验。
    DGP并不是唯一允许进行统计估计的转换方法。正如我们第6章将要看到的,对时间序列进行差分,可以将非平稳的时间序列转换为平稳的时间序列。一个平稳的时间序列具有恒定的均值,在一定假设前提下可以使用经验均值进行估计。
    1.2.2 模型的确定
    如前所述,计量经济学模型表现的是不同时刻不同变量间的数量关系。而一个重要的问题是,这些关系是线性的还是非线性的?考虑到每个计量模型都是一个近似,那么哪种近似更好?是线性的还是非线性的呢?
    要回答这个问题,通常还要考虑与线性模型相联系的一些问题,比如分布假设、滞后期数等。最简单的模型是包含少量滞后项的线性模型,且假设变量是正态变量。一个被广泛应用的正态线性模型的例子是,在噪声项服从正态分布的假设下,使用影响因子的滞后项对收益率进行线性回归。
    但是收益率的分布并不是正态的(至少在某些时期内不是)。如果我们假定影响因子和收益率之间是非线性关系,则正态分布的影响因子可以生成一个非正态分布的收益率。然而,我们也可以保持线性回归关系,但是假设噪声项和影响因子服从非正态分布。
如何访问权限为100/255贴子:/thread-37840-1-1.html;注册后仍无法回复:/thread-23-1-1.html;微信/QQ群:/thread-262-1-1.html;网盘链接失效解决办法:/thread-93307-1-1.html

TOP

作者简介

    作者(德国)斯维特洛扎?T.维特夫(Svetlozar T.Rachev) (德国)史蒂芬?米特尼克(Stefan Mittnik) (美国)弗兰克?J.法伯兹(Frank J.Fabozzi) 等 译者:曲春青
   
    斯维特洛扎?T.维特夫(Svetlozar T.Rachev),博士,德国卡尔斯鲁厄大学经济与商业工程学院的讲座教授,加州大学圣巴巴拉分校的荣誉教授以及FinAnalytica公司的首席科学家。
    史蒂芬?米特尼克(Stefan Mittnik),就读于德国柏林工业大学、英国苏塞克斯大学,并于华盛顿大学取得经济学博士学位。他目前是德国慕尼黑大学的金融计量学教授、慕尼黑Ifo经济研究所主任。任职于慕尼黑大学之前,他曾经教于纽约州立大学石溪分校、德国基尔大学,并多次作为访问学者进行研究,包括作为富布莱特杰出教授在华盛顿大学进行访问研究。他的研究领域包括金融计量学、风险管理、投资组合优化。除了进行学术研究之外,米特尼克教授还主持德国法兰克福金融研究中心的风险管理计划部。他是基尔数理金融分析研究所创始人之一,科学顾问委员会主席。
    弗兰克?J.法伯兹(Frank J.Fabozzi),是耶鲁大学管理学院金融学副教授、 Becton会员,曾在麻省理工学院的斯隆学院做访问研究。法伯兹教授是耶鲁大学国际金 融中心研究员,普林斯顿大学运筹学与金融工程学系顾问委员。他是《投资组合管理研究》主编、《固定收入证券》副主编。他于1972年获得纽约城市大学经济学博士学位。2002年, 荣登固定收益分析师协会名人堂。他还取得了注册金融分析师(CFA)和注册会计师 (CPA)资格。目前,他已经编著了大量的金融学书籍。
    塞尔吉奥?M.福卡尔迪(Sergio M.Focardi),是天翔集团(Intertek Group) 合伙人之一、《投资组合管理研究》编委。他发表和编写了大量有关金融建模和风险管 理方面的论文和书籍,包括CFA的最新专著《数量金融发展趋势》、获奖图书《股票市 场中的金融建模》以及《金融建模和投资管理中的数学方法》。福卡尔迪先生将动态因 子分折应用于长短期投资组合的构建,并以此指导大规模股票组合的计量研究和制度变 化建模研究。他在热那亚大学取得电子工程学学士学位,在彻利略法拉利电工研究所 (都灵)获得通信学硕士学位。
    曲春青,男,1978年生,辽宁省本溪市人,2001年毕业于东北财经大学金融系并获得经济学学士学位;2004年获得东北财经大学数量经济学专业经济学硕士学位;2010年获得东北财经大学数量经济学专业经济学博士学位。现为东北财经大学金融学院讲师、硕士生导师,兼任金融学实验室副主任。
如何访问权限为100/255贴子:/thread-37840-1-1.html;注册后仍无法回复:/thread-23-1-1.html;微信/QQ群:/thread-262-1-1.html;网盘链接失效解决办法:/thread-93307-1-1.html

TOP

返回列表