本書主要討論時間序列分析的相關理論及其在金融問題中的應用，主要內容包括時間序列數(shù)據(jù)在線性分析中的問題及時間序列模型。其中，時間序列模型包括理論和應用兩部分：理論部分主要包括一元線性自回歸移動平均模型、一元非線性隨機波動率模型、多元線性向量自回歸模型及協(xié)整模型；應用部分涉及經(jīng)濟金融政策評估、經(jīng)濟金融指標預測、金融資產(chǎn)風險的度量及管理以及動態(tài)交易策略等，同時還介紹了R軟件在這些方面的應用。作者王亞平，北京大學光華管理學院副教授，博士生導師。
王亞平
----------------------------
王亞平，北京大學光華管理學院副教授，博士生導師。主要研究領域為實證金融，在Review of Financial Studies、Journal of Banking and Finance、Journal of Optimization Theory and Applications、Journal of Accounting and Public Policy、《經(jīng)濟研究》《管理世界》《金融研究》《會計研究》等學術刊物上發(fā)表多篇論文。加入北京大學前，在荷蘭銀行美國分部（ABN AMRO,N.A.）的利率衍生品交易部門任量化分析師。
第1章 導論1
1.1 時間序列數(shù)據(jù)的特點3
1.2 金融時間序列分析的任務7
1.3 R軟件簡介8
1.4 隨機變量及資產(chǎn)回報14
1.5 矩條件及其經(jīng)濟含義17
1.6 預測的本質20
第2章 時間序列的基本性質25
2.1 平穩(wěn)性27
2.2 遍歷性29
2.3 自相關性30
2.4 大樣本性質35
2.5 時間序列數(shù)據(jù)在線性回歸模型中的應用40
第3章 自回歸模型47
3.1 差分方程49
3.2 AR模型的定義及性質58
3.3 AR模型的識別67
3.4 應用范例：中國GDP增長的周期性77
第4章 自回歸移動平均模型83
4.1 MA模型85
4.2 ARMA模型91
4.3 預測97
4.4 滾動窗口樣本外預測誤差及其分析102
第5章 單位根過程及其檢驗109
5.1 單位根過程111
5.2 單位根檢驗114
5.3 檢驗模型的選擇120
5.4 檢驗中的其他問題126
5.5 分數(shù)單位根簡介132
第6章季節(jié)性問題及季節(jié)調整135
6.1 季節(jié)性現(xiàn)象137
6.2 季節(jié)模型139
6.3 季節(jié)調整 142
6.4 應用范例：預測中國GDP155
第7章 向量自回歸模型163
7.1 多元時間序列的可預測性165
7.2 VAR模型及其性質167
7.3 VAR模型的識別172
7.4 預測及模型比較 178
7.5 應用范例：預測中國GDP179
第8章 時間序列之間的動態(tài)關系187
8.1 格蘭杰因果關系 189
8.2 脈沖反應函數(shù)196
8.3 方差分解 215
8.4 結構性VAR模型簡介 219
8.5 應用范例：中國貨幣政策有效性評估223
第9章 協(xié)整229
9.1 長期均衡與協(xié)整231
9.2 協(xié)整的檢驗233
9.3 誤差修正模型241
9.4 Johansen協(xié)整檢驗及模型估計253
9.5 應用：配對交易策略257
第10章 GARCH波動率模型261
10.1 波動率的性質263
10.2 GARCH模型267
10.3 GARCH家族的其他模型283
10.4 GARCH波動率的估算和預測286
第11章 其他波動率模型295
11.1 實現(xiàn)波動率297
11.2 隱含波動率301
11.3 波動率模型的比較305
11.4 應用：在險價值的計算308
參考文獻315
書單推薦
