本书主要介绍了在计量经济学和统计学文献中出现的金融计量方法方面的最新进展,强调实例和数据分析,特别是包含当前的研究热点,如风险值、高频数据分析和马尔可夫链蒙特卡罗方法等,主要内容包括:金融时间序列数据的基本特征,神经网络,非线性方法,使用跳跃扩散方程进行衍生产品的定价,采用极值理论计算风险值,带时变相关系数的多元波动率模型,贝叶斯推断。
本书可作为金融等专业高年级本科生或研究生的时间序列分析教材,也可供相关专业研究人员参考。
本书综合介绍金融计量模型及其在金融时问序列数据建模和预测中的应用,可帮助读者了解金融数据的基本特征,掌握金融计量模型的应用,并获得分析金融时问序列的经验。
对讣量经济学和统计学文献中金融计量方法方面的最新进展进行概述足本书的突出特点。这些进展包括当前的研究热点,如风险值、高频数据分析和马尔可夫链蒙特卡罗方法等。特别是一些在学术杂志上尚未发表的最新成果,如使用跳跃扩散方程进行衍生产品的定价,基于非齐次二维泊松过程的极值理论计算风险值,以及带时变相关系数的多元波动率模型。此外,本书还介绍了用MCMC方法进行金融中的贝叶斯推断。
强调实例和数据分析是本书的另一个突出特点。全书采用实际金融数据说明所讨论模型和方法的应用。建立线性时问序列模型用SCA;估计波动率模型用RATS(时问序列的回归分析);实现神经网络和绘制附图用s-Plus。用Fortran程序进行简单的期权定价、估计极值模型、计算风险值和进行贝叶斯分析。