金融時間序列建模分析

定　價：￥18.80

作　者：	彭作祥
出版社：	西南財經(jīng)大學出版社
叢編項：
標　簽：	金融

購買這本書可以去

ISBN：	9787810884310	出版時間：	2006-04-01	包裝：	平裝
開本：	32開	頁數(shù)：	294	字數(shù)：

內(nèi)容簡介

　　本書的結(jié)構(gòu)安排和主要內(nèi)容如下：第1章導言部分為問題提出、研究思路及篇章結(jié)構(gòu)安排。第2章通過對金融市場中投資者的投資決策行為進行經(jīng)濟學分析，解釋高頻金融時序的尖峰肥尾、波動集束、條件方差時變性和長記憶性等統(tǒng)計特征，也即解釋這些公認的金融現(xiàn)象產(chǎn)生的原因是什么。第3章使用極值理論估計并檢驗度量高頻金融時序的肥尾程序的參數(shù)——尾指數(shù)，討論尾指數(shù)在風險管理中的應用。第3章使用極值理論及相關(guān)知識，局部擬合收益率的分布或密度，有效地估計和預測風險值，避免因整體擬合失真而導致估計與預測的無效。在第3章的建模過程中，均使用方法論研究與實踐分析相結(jié)合的分析方法。第4章論金融時序長記憶參數(shù)的估計，主要考慮涉及分整參數(shù)的ARFIMA的模型、高斯半?yún)?shù)方法和GPH非參數(shù)估計方法，并應用于深滬兩市的收益率的長記憶性的實證分析。第5章為時間順序的單位根或平穩(wěn)檢測。第6章較系統(tǒng)地隨機模擬分析具有GARCH-error金融時序的ADF單位根檢驗問題，它是第5章的時一步深化和創(chuàng)新。第6章的實證分析表明偽GARCH現(xiàn)象的存在可能源于GARCH模型設(shè)定的隨意性和非系統(tǒng)性。

作者簡介

暫缺《金融時間序列建模分析》作者簡介

圖書目錄

1導言
§1．1問題的提出與研究思路
§1．2結(jié)構(gòu)安排和主要內(nèi)容
2高頻金融時序統(tǒng)計特征與投資主體行為分析
§2．1前言
§2．2高頻時間序列統(tǒng)計特征
§2．3投資主體行為分析
§2．3．1密度函數(shù)的肥尾性、分布的非正態(tài)性和序列的非獨立性
§2．3．2波動集束現(xiàn)象
§2．3．3條件方差時變性
§2．3．4長記憶性
§2．3．5尖峰現(xiàn)象
§2．4淺議傳統(tǒng)與現(xiàn)代建模方法
§2．4．1傳統(tǒng)建模的設(shè)定及其局限性
§2．4．2現(xiàn)代建模方法
3肥尾度量與風險刻畫
§3．1引言
§3．2肥尾描述
§3．2．1肥尾定義
§3．2．2 QQ散點圖的基本思想
§3．2．3 t、skewed－t和GED分布的尾部特征
§3．3極值理論基礎(chǔ)
§3．3．1極值類型定理
§3．3．2尾指數(shù)估計量
§3．4尾指數(shù)估計與檢驗
§3．4．1塊最大值法
§3．4．2廣義Pareto分布法
§3．4．3 POT法
§3．5三收益率尾指數(shù)估計
§3．5．1三收益率尾指數(shù)的初步估計
§3．5．2三收益率尾指數(shù)的估計與檢驗
§3．6風險值的估計與預測
§3．6．1風險值的估計
§3．6．2風險值的一步預測
§3．6．3 shr96時序風險值的估計與預測圖
4長記憶參數(shù)估計
§4．1前言
§4．2長記憶參數(shù)d的估計
§4．3 shr96和szr96時序的長記憶參數(shù)估計
§4．4 ARFIMA模型長記憶參數(shù)的模擬比較
§4．5對長記憶參數(shù)估計的進一步思考
5時間序列平穩(wěn)性檢驗
§5．1前言
§5．2時間序列平穩(wěn)性檢驗的意義
§5．2．1偽回歸現(xiàn)象
§5．2．2偽回歸的統(tǒng)計特征
……
6具有GARCH-error的單位根檢驗
7GARCH模型分析與應用
附錄1 LM、LR和Wald檢驗
附錄2 信息準則
附錄3 分整時序隨機數(shù)生成程序
附錄4 動態(tài)ADF單位根檢驗程度
附錄5 動態(tài)KPSS I(0)平穩(wěn)性檢驗程序
附錄6 具有GARCH-skew-t error單位根檢驗程序
§F．1臨界值的隨機模擬程序
§F. 2有效性及實際顯著水平的隨機模擬程序
參考文獻
致謝