金融時(shí)間序列建模分析

定　價(jià)：￥18.80

作　者：	彭作祥
出版社：	西南財(cái)經(jīng)大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	金融

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787810884310	出版時(shí)間：	2006-04-01	包裝：	平裝
開(kāi)本：	32開(kāi)	頁(yè)數(shù)：	294	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)的結(jié)構(gòu)安排和主要內(nèi)容如下：第1章導(dǎo)言部分為問(wèn)題提出、研究思路及篇章結(jié)構(gòu)安排。第2章通過(guò)對(duì)金融市場(chǎng)中投資者的投資決策行為進(jìn)行經(jīng)濟(jì)學(xué)分析，解釋高頻金融時(shí)序的尖峰肥尾、波動(dòng)集束、條件方差時(shí)變性和長(zhǎng)記憶性等統(tǒng)計(jì)特征，也即解釋這些公認(rèn)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(jì)并檢驗(yàn)度量高頻金融時(shí)序的肥尾程序的參數(shù)——尾指數(shù)，討論尾指數(shù)在風(fēng)險(xiǎn)管理中的應(yīng)用。第3章使用極值理論及相關(guān)知識(shí)，局部擬合收益率的分布或密度，有效地估計(jì)和預(yù)測(cè)風(fēng)險(xiǎn)值，避免因整體擬合失真而導(dǎo)致估計(jì)與預(yù)測(cè)的無(wú)效。在第3章的建模過(guò)程中，均使用方法論研究與實(shí)踐分析相結(jié)合的分析方法。第4章論金融時(shí)序長(zhǎng)記憶參數(shù)的估計(jì)，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(jì)方法，并應(yīng)用于深滬兩市的收益率的長(zhǎng)記憶性的實(shí)證分析。第5章為時(shí)間順序的單位根或平穩(wěn)檢測(cè)。第6章較系統(tǒng)地隨機(jī)模擬分析具有GARCH-error金融時(shí)序的ADF單位根檢驗(yàn)問(wèn)題，它是第5章的時(shí)一步深化和創(chuàng)新。第6章的實(shí)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(jiǎn)介

暫缺《金融時(shí)間序列建模分析》作者簡(jiǎn)介

圖書(shū)目錄

1導(dǎo)言
§1．1問(wèn)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(shí)序統(tǒng)計(jì)特征與投資主體行為分析
§2．1前言
§2．2高頻時(shí)間序列統(tǒng)計(jì)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(dú)立性
§2．3．2波動(dòng)集束現(xiàn)象
§2．3．3條件方差時(shí)變性
§2．3．4長(zhǎng)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(fēng)險(xiǎn)刻畫(huà)
§3．1引言
§3．2肥尾描述
§3．2．1肥尾定義
§3．2．2 QQ散點(diǎn)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(lèi)型定理
§3．3．2尾指數(shù)估計(jì)量
§3．4尾指數(shù)估計(jì)與檢驗(yàn)
§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(jì)
§3．5．1三收益率尾指數(shù)的初步估計(jì)
§3．5．2三收益率尾指數(shù)的估計(jì)與檢驗(yàn)
§3．6風(fēng)險(xiǎn)值的估計(jì)與預(yù)測(cè)
§3．6．1風(fēng)險(xiǎn)值的估計(jì)
§3．6．2風(fēng)險(xiǎn)值的一步預(yù)測(cè)
§3．6．3 shr96時(shí)序風(fēng)險(xiǎn)值的估計(jì)與預(yù)測(cè)圖
4長(zhǎng)記憶參數(shù)估計(jì)
§4．1前言
§4．2長(zhǎng)記憶參數(shù)d的估計(jì)
§4．3 shr96和szr96時(shí)序的長(zhǎng)記憶參數(shù)估計(jì)
§4．4 ARFIMA模型長(zhǎng)記憶參數(shù)的模擬比較
§4．5對(duì)長(zhǎng)記憶參數(shù)估計(jì)的進(jìn)一步思考
5時(shí)間序列平穩(wěn)性檢驗(yàn)
§5．1前言
§5．2時(shí)間序列平穩(wěn)性檢驗(yàn)的意義
§5．2．1偽回歸現(xiàn)象
§5．2．2偽回歸的統(tǒng)計(jì)特征
……
6具有GARCH-error的單位根檢驗(yàn)
7GARCH模型分析與應(yīng)用
附錄1 LM、LR和Wald檢驗(yàn)
附錄2 信息準(zhǔn)則
附錄3 分整時(shí)序隨機(jī)數(shù)生成程序
附錄4 動(dòng)態(tài)ADF單位根檢驗(yàn)程度
附錄5 動(dòng)態(tài)KPSS I(0)平穩(wěn)性檢驗(yàn)程序
附錄6 具有GARCH-skew-t error單位根檢驗(yàn)程序
§F．1臨界值的隨機(jī)模擬程序
§F. 2有效性及實(shí)際顯著水平的隨機(jī)模擬程序
參考文獻(xiàn)
致謝