金融时间序列分析的作者简介

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**、《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 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 r**k)的计算、波动率(volatility)建模和对具有先后相关性的数.