时间序列与金融数据分析PDF电子书下载

目录 1

第1章　引言 1

1.1　基本概念 1

1.2　简单的描述性技术 4

1.2.1　趋势 5

1.2.2　季节循环 9

1.3　变换 10

1.4　例子 10

1.5　小结 15

1.6　习题 16

第2章　概率模型 18

2.1　简介 18

2.2　随机过程 18

2.3　例子 21

2.4　样本相关函数 22

2.5　习题 24

第3章 自回归滑动平均模型 26

3.1 简介 26

3.2　滑动平均模型 26

3.3 回归模型 28

3.3.1　因果和平稳二象性 29

3.3.2　渐进平稳性 31

3.3.3　因果性定理 32

3.3.4　AR模型的协方差结构 33

3.4　ARMA模型 35

3.5 ARIMA模型 37

3.6 季节ARIMA模型 39

3.7　习题 40

4.2　矩估计量 44

4.1　简介 44

第4章　时域上的估计 44

4.3 回归模型 45

4.4　滑动平均模型 47

4.5　ARMA模型 49

4.6　最大似然估计 49

4.7　偏自相关函数 53

4.8　阶的选择 56

4.9　残差分析 60

4.10　建模 61

4.11　习题 61

第5章　SPLUS示例 66

5.1 简介 66

5.2 例1 66

5.3　例2 69

5.4　习题 77

第6章　预测 78

6.1 简介 78

6.2　简单预测 79

6.3　Box和Jenkins方法 81

6.4　国库券之例子 82

6.5　递归 88

6.6　习题 88

第7章　谱分析 90

7.1 简介 90

7.2　谱表示定理 90

7.3　周期图 94

7.4　周期图平滑 96

7.5　小结 101

7.6　习题 101

8.2　方差非平稳性 104

第8章　非平稳性 104

8.1　简介 104

8.3　均值非平稳性：带漂移的随机游动 105

8.4　单位根检验 108

8.5　模拟 109

8.6　习题 111

第9章　异方差性 112

9.1 简介 112

9.2　ARCH 113

9.3　GARCH 117

9.4　ARCH的估计与检验 120

9.5　外汇汇率之例子 122

9.6　习题 131

10.1　简介 132

第10章　多元时间序列 132

10.2　μ.和Г的估计 136

10.3　多元ARMA过程 137

10.3.1　因果性和可逆性 138

10.3.2　可识别性 138

10.4　向量AR模型 140

10.5　VAR推断的例 143

10.6　习题 153

第11章　状态空间模型 155

11.1　简介 155

11.2　状态空间表示 155

11.3　Kalman递归 159

11.4　随机波动模型 161

11.5　期限结构的Kalman滤波之例子 163

11.6　习题 173

12.1　简介 176

第12章　多元GARCH 176

12.2　一般模型 177

12.2.1　对角线型 178

12.2.2　备择矩阵型 179

12.3　二次型 180

12.3.1　单因子GARCH（1,1） 180

12.3.2　常相关系数模型 181

12.4　外汇汇率之例 181

12.4.1 数据 181

12.4.2　用SPL.US估计多元GARCH 182

12.4.3　预测 192

12.4.4　预测投资组合条件标准差 193

12.4.5　BEKK模型 194

12.4.6　向量对角线模型 196

12.4.7 条件均值ARMA 197

12.5　小结 198

12.6　习题 198

第13章　同融与共同趋势 200

13.1　简介 200

13.2　定义与例子 201

13.3　误差修正型 205

13.4　Granger表示定理 207

13.5 同融系统的结构 212

13.6　同融系统的统计推断 213

13.6.1　规范相关 213

13.6.2　推断与检验 214

13.7　即时指数与指数期货价格之例子 217

13.8　小结 224

13.9　习题 224

参考文献 226