第1章S-Plus的基本使用方法 1
1.1 S-Plus软件简介 1
1.2 S语言的基本对象 2
1.2.1向量 3
1.2.2矩阵 6
1.2.3因子 10
1.2.4列表 12
1.2.5数据框 14
1.3 S语言的基本语法 16
1.3.1分支语句 16
1.3.2循环语句 18
1.4 S语言的自编函数 21
1.4.1工作空间管理 21
1.4.2参数（自变量） 23
1.4.3作用域 24
1.5 S-Plus的绘图 26
1.5.1散点图 26
1.5.2密度函数的绘制 28
1.5.3多组数据的图形绘制 29
1.5.4多图控制 30
1.6用S-Plus读写数据文件 32
1.6.1文本格式文件的读写方式 32
1.6.2特定数据源数据的读写方式 33
1.6.3利用菜单读写数据 35
1.7数据的基本处理方法 37
1.7.1特定数据的选择 37
1.7.2数据的合并 38
1.7.3数据的排序 41
1.7.4数据的筛选 42
第2章 金融时间序列数据的处理方法 44
2.1时间序列数据 44
2.1.1 “timeSeries”对象 44
2.1.2 “timeSeries”的基本操作 47
2.1.3 “timeDate”对象 49
2.1.4 “timeDate”对象的基本操作 50
2.1.5递增时间序列的生成方法 54
2.1.6生成“timeSeries”对象 59
2.1.7时间序列数据的分组统计 61
2.1.8时间序列数据的合并 65
2.1.9缺失值的处理方法 67
2.2在S-Plus中对时间序列的处理 67
2.2.1生成滞后和差分 68
2.2.2收益率的定义 70
2.2.3收益率的计算 72
2.2.4收益率的特征 74
第3章 时间序列数据的回归分析 78
3.1最小二乘估计量 78
3.1.1线性回归模型的矩阵方法：OLS的数值性质 78
3.1.2回归模型的经典假设：OLS的统计性质 81
3.2 OLS估计量的有限样本性质 83
3.2.1估计量β的有限样本性质 83
3.2.2随机扰动项的方差估计量σ^2的有限样本性质 84
3.2.3时间序列的有限样本性质 84
3.3假设检验 87
3.3.1个别回归系数的假设检验 87
3.3.2线性约束检验 88
3.3.3不包括常数项的所有系数的统计显著性：F统计量 90
3.4违背经典假设数据的问题与处理 90
3.4.1异方差 90
3.4.2自相关 94
3.5使用S+Firmetrics函数“OLS”进行时间序列回归 97
第4章 平稳时间序列模型 105
4.1平稳时间序列的几个重要概念 105
4.1.1平稳性 105
4.1.2自相关 105
4.1.3偏自相关 106
4.2自回归模型 106
4.2.1 AR（1）模型 107
4.2.2 AR（1）模型的识别特征 108
4.2.3 AR（1）模型的生成程序 109
4.2.4 AR（1）模型的估计 112
4.2.5 AR （2）模型 116
4.2.6 AR （p）模型 118
4.2.7自回归模型的建模法则 119
4.2.8自回归模型的预测 123
4.3移动平均模型 125
4.3.1 MA（1）模型 126
4.3.2 MA（1）模型的识别特征 127
4.3.3 MA （1）模型的生成程序 128
4.3.4 MA（1）模型的估计 129
4.3.5 MA（2）模型 130
4.3.6 MA（q）模型 133
4.3.7移动平均模型的建模法则 133
4.3.8移动平均模型的预测 135
4.4自回归移动平均模型 137
4.4.1 ARMA （1，1）模型 137
4.4.2 ARMA（1，1）的识别特征 138
4.4.3 ARMA （1，1）的生成程序 139
4.4.4 ARMA模型的建模法则 141
4.4.5.自回归移动平均模型的预测 143
第5章 波动率建模 145
5.1 ARCH模型 146
5.1.1 ARCH模型的结构 146
5.1.2 ARCH模型的性质 146
5.1.3 ARCH模型的诊断 148
5.1.4 ARCH模型的估计 150
5.1.5 ARCH模型的预测 154
5.2 GARCH模型 155
5.2.1 GARCH模型的结构 155
5.2.2 GARCH模型的性质 156
5.2.3 GARCH模型的估计方法 159
5.2.4 GARCH模型的优选 161
5.2.5 GARCH模型的预测 162
5.3风险效应模型 163
5.3.1风险效应 163
5.3.2 GARCH-M模型 164
5.3.3 GARCH-M模型的估计 164
5.3.4 GARCH-M模型的预测 165
5.4杠杆效应模型 166
5.4.1波动的非对称性 166
5.4.2杠杆效应的检验 166
5.4.3 EGARCH模型 168
5.4.4 EGARCH模型的估计 169
5.4.5 EGARCH模型的预测 172
5.4.6 TGARCH模型 174
5.4.7 TGARCH模型的估计 175
5.5含有外生变量的GARCH模型 176
5.5.1外生变量与GARCH模型 177
5.5.2含有外生变量的GARCH模型估计 177
第6章 非平稳序列与单位根 182
6.1非平稳序列 182
6.1.1随机游走 182
6.1.2带漂移的随机游走 184
6.2伪回归 185
6.3 DF检验 188
6.3.1 DF检验的基本思想 188
6.3.2 DF统计量的构造 188
6.3.3蒙特卡洛模拟与DF分布的获取 191
6.3.4 S-Plus中DF检验方法 197
6.4 ADF检验 198
6.4.1 ADF检验的基本概念 198
6.4.2 ADF检验的经验法则 199
6.5单位根检验的一个实际例子 202
第7章向量自回归 209
7.1向量自回归（VAR）模型的构造 209
7.2 VAR模型的残差滞后项表达式 210
7.2.1 VAR模型的估计方法 213
7.2.2 VAR模型滞后阶数的选择 215
7.2.3 VAR模型的稳定性条件 217
7.3格兰杰因果检验 221
7.3.1格兰杰因果检验的定义 221
7.3.2 F检验 222
7.3.3 Wald检验 225
7.4 VAR模型的脉冲响应分析 229
7.5 VAR模型预测误差的方差分解 235
7.6结构向量自回归 241
7.6.1结构模型还原的识别条件 242
7.6.2 SVAR模型的一般形式 244
7.6.3 SVAR模型的似然估计 245
7.6.4长期累积效应约束与BQ分解 247
7.6.5 SVAR模型的脉冲响应函数 250
7.7结构向量自回归的实例 253
7.7.1基于VAR（2）的模型 253
7.7.2基于SVAR（2）的模型 255
第8章协整与误差修正模型 260
8.1协整的概念 260
8.1.1单整 260
8.1.2协整的定义 261
8.2两个变量的协整分析 264
8.2.1协整检验的基本思想 264
8.2.2误差修正模型 266
8.2.3 E-G两部法 268
8.3多个变量的协整分析 272
8.3.1向量的协整 275
8.3.2 Johanson检验 278
参考文献 289