《高等计量经济学基础》由缪柏其、叶五一编著，本书分为五个部分，第一部分是有关的数学和统计学基础。为了能够理解后序章节和文献中的定量统计方法，一定的数学和统计学知识，特别是线性代数和多元统计的知识是必不可少的。而对大部分研究生而言，在本科没有系统学过，甚至没有学到这部分内容。所以我们用两章的篇幅来综述在后续章节中要用到的知识点，特别介绍了随机变量或随机向量之间的相关关系和copula。第二部分是有关回归分析的，包括建模以及参数和非参数估计，这是计量经济学研究的基本方法之一。在这部分我们用投影这种比较直观的叙述来介绍线性和非线性回归的内容。第三部分是有关时间序列分析的。经济是一个动态系统，必须用动态的模型来拟合，时间序列分析是一种有力的工具，我们从时间域和频率域两个方面简述了有关的内容，介绍了有用的差分方程。第四部分是面板数据分析。回归是在横截面上分析经济变量之间的因果关系，时间序列分析主要是研究变量随时间的变化规律，没有做横截面分析，面板数据分析则综合了这两种分析，由于同时考虑经济变量和动态变化，所以能考虑更广的经济问题，当然也加大了分析的难度。第五部分是关于因变量为属性数据时的建模问题。

高等计量经济学是金融工程的基础课程。《高等计量经济学基础》由缪柏其、叶五一编著，本书介绍了回归分析、时间序列分析、面板数据分析的基本思想和内容。由于属性数据大量出现在金融数据中，书中也简要介绍了有关属性数据分析和建模的一些内容。每章结合金融工程研究中的问题来介绍和解释有关的基本概念和内容，并配有一定量的习题。

《高等计量经济学基础》可作为金融工程硕士研究生的教学用书，也可作为经济学、金融工程、证券和基金等从业人员了解有关理论和应用的入门参考书。

第一章 线性代数和矩阵基本知识

 §11 线性代数基本知识

§111 向量空间

§112 GramSchmidt正交化程序

§113 向量的正交投影和Bessel不等式

 §12 矩阵的一般理论和性质

 §13 矩阵的数字特征

 §14 几类特殊的矩阵

 §15 二次型

 §16矩阵的特殊运算与矩阵的微商

第二章 多元统计分析基本知识

 §21 随机向量的数字特征

 §22 多元正态及由它生成的统计量

 §23 矩阵正态分布和’Wishart分布

 §24 相关性分析和关联性分析

 §25其他重要的多元分布

 §26 Copula

§261 Copula的定义和性质

§262 几个重要的Copula

§263 阿基米德Copula与对应的秩相关系数

§264 Copula的C藤和D藤分解

 §27 大数定律和中心极限定理

第三章 回归分析

 §31 多元线性回归模型

§311 古典假定以及统计推断

§312 多重共线性

§313 异方差性

§314 自相关性

§315 解释变量与误差项的相关性

§316 分块回归与偏回归估计

 §32 多元统计分析

§321 多元模型

§322 主成分分析与因子分析

§323 偏最小二乘方法

 §33 非线性回归模型

§331 可化为线性的非线性回归模型

§332 非线性回归模型及其最小二乘估计

§333 变参数线性回归模型

 §34 非参数回归方法

§341 非参数回归模型

§342 核密度估计

§343 非参数均值回归

§344 局部多项式回归

§345 半参数模型

§346 样条方法

 §35 分位点回归模型

§351 线性分位点回归模型

§352 非线性分位点回归模型

第四章 时间序列分析

 §41 差分方程

§411 常系数齐次差分方程

§412 非齐次差分方程

 §42 平稳过程的定义

 §43 线性时间序列

§431 常用时间序列的定义

§432 ARMA(p，q)的平稳性

§433 时间域上平稳ARMA(p，q)的研究

§434 频率域上平稳ARMA(p，q)的研究

 §44平稳线性序列的参数估计

§441 平稳过程均值μ的估计

§442 平稳过程自协方差和自相关函数的估计

§443 自回归模型的参数估计

§444 自回归模型阶数p的估计

 §45 非平稳过程与单位根

§451 单整

§452 单位根检验

§453 结构突变序列单位根检验

 §46 协整与误差修正模型

§461 协整

§462 协整的检验

§463 误差修正模型

 §47 非线性时间序列

§471 门限自回归模型

§472 异方差性与GARCH模型

§473 非参数时间序列模型

第五章 面板数据分析

 §51 面板数据模型简介

§511 面板数据模型简介

§512 面板数据模型的协方差分析

§513 面板数据模型的设定

 §52 变截距简单回归模型

§521 固定效应变截距模型

§522 随机效应变截距模型

§523 Mundlak公式

§524固定效应以及随机效应模型的选择

 §53 面板数据的单位根检验

 §54 面板数据的协整检验

第六章 属性数据分析

 §61 属性数据简介

 §62 虚拟解释变量模型

§621 虚拟变量

§622 虚拟解释变量综合应用

 §63 虚拟被解释变量模型

§631 广义线性模型

§632 二元数据广义线性模型

§633 多元数据广义线性模型

第七章 常用的估计方法

 §71 极大似然估计

§711 极大似然估计简介

§712 简单线性回归模型的极大似然估计

§713 多元线性回归模型的极大似然估计

§714 非线性模型的极大似然估计

§715 似然比检验

 §72 广义矩估计

§721 参数的广义矩估计

§722 矩条件以及广义矩估计

§723 一些估计量的GMM估计解释

§724关于广义矩估计的假设检验

§725 GMM方法的具体应用

 §73 Bdyes估计方法

§731 Bayes估计方法简介

§732 先验分布的确定

§733 正态线性回归模型的Bayes估计

§734 Bayes统计推断

§735 Bayes方法的应用——Bayes VaR

 §74 联立方程模型及其估计

参考文献

名词索引