《金融实时数据分析方法》PDF下载

  • 购买积分:9 如何计算积分?
  • 作  者:王亚楠著
  • 出 版 社:北京:经济管理出版社
  • 出版年份:2015
  • ISBN:9787509636398
  • 页数:194 页
图书介绍:金融实时数据是指交易过程中实时采集的数据,这些数据不仅包括实时价格与交易量信息,还包括交易发生时间间隔,交易发生之际市场交易指令簿实时状态信息。这类数据保存了更多的市场信息,对市场状况反映更真实。对此建模是近十年来发展起来的一种全新的建模方法,它开创了金融市场微观结构研究的新篇章,它的出现无论是对金融市场的完善还是对投资决策均有重要意义,本书稿对实时数据的建模方法及应用进行了研究。本书稿分为九章,包括绪论、金融市场微观结构理论、金融实时数据特征分析、自回归移动平均模型、波动率模型、ACD模型、SCD模型及其与ACD模型比较、构建基于SCD的实时数据模型、中国股票市场实时数据信息含量实例分析九方面的内容。

1 金融数据简介 1

1.1 金融时间序列分析 2

1.2 收益率 3

1.2.1 单周期收益率 3

1.2.2 多周期收益率 4

1.3 收益率分布性质 5

1.3.1 统计分布及其矩的回顾 5

1.3.2 收益率的分布 8

1.3.3 多元收益 10

1.3.4 收益率的似然函数 10

1.4 相关系数 11

1.5 平稳性 12

1.6 自相关性 12

1.6.1 自协方差函数 12

1.6.2 自相关函数(ACF) 13

1.6.3 偏自相关函数(PACF) 14

1.7 差分方程与滞后算子 14

1.7.1 一阶差分方程 14

1.7.2 p阶差分方程 15

1.7.3 滞后算子 16

1.8 国内股票市场低频数据统计特征 17

1.8.1 基本统计量 17

1.8.2 相关性分析 19

2 理论基础及研究方法 21

2.1 金融市场微观结构概述 21

2.1.1 金融市场微观结构研究内容 21

2.1.2 金融市场交易机制类型 22

2.1.3 中国股票市场交易机制 23

2.2 金融市场微观结构主要理论 25

2.2.1 存货模型 25

2.2.2 信息模型 28

2.3 马尔可夫蒙特卡洛方法 31

2.3.1 马尔可夫蒙特卡洛方法概述 31

2.3.2 马尔可夫蒙特卡洛方法基本原理 33

2.3.3 WinBUGS软件 34

2.3.4 EViews 6.0软件 35

3 自回归移动平均模型 37

3.1 白噪声过程 37

3.1.1 弱白噪声过程 38

3.1.2 独立同分布白噪声过程 38

3.1.3 高斯白噪声过程 38

3.1.4 白噪声的参数特征 39

3.2 AR模型 39

3.2.1 AR(1)模型 40

3.2.2 AR(2)模型 41

3.2.3 AR(p)模型 42

3.3 MA模型 44

3.3.1 模型结构 44

3.3.2 MA(1)过程 45

3.3.3 MA(2)过程 45

3.3.4 MA(∞)过程 46

3.3.5 MA阶的识别 47

3.4 ARMA模型 48

3.4.1 模型结构 48

3.4.2 ARMA(1,1)模型 49

3.4.3 ARMA模型识别 49

3.4.4 ARMA建模 50

3.5 ARIMA模型 50

3.5.1 模型结构 50

3.5.2 ARIMA建模步骤 51

4 波动率模型 53

4.1 波动率模型概述 55

4.2 ARCH模型 57

4.2.1 ARCH模型的定义 57

4.2.2 ARCH模型的性质 62

4.2.3 ARCH模型的特点 62

4.3 GARCH模型 63

4.3.1 GARCH模型的定义 63

4.3.2 GARCH模型的性质 64

4.3.3 GARCH模型的特点 66

4.4 SV模型 68

4.4.1 SV模型的定义 68

4.4.2 SV模型的特点 69

5 金融实时数据特征分析 71

5.1 金融实时数据统计特征 74

5.1.1 常用基本统计量 74

5.1.2 交易持续期统计特征 77

5.1.3 分笔收益率统计特征 84

5.1.4 分笔成交量统计特征 90

5.1.5 买卖价差的统计特征 92

5.2 金融实时数据的日内效应 96

5.2.1 日内效应概述 96

5.2.2 日内效应识别 98

5.2.3 日内效应调整 99

6 ACD模型分析 103

6.1 GARCH模型回顾 103

6.2 ACD模型结构分析 105

6.2.1 ACD模型背景 105

6.2.2 ACD模型建模原理 107

6.2.3 ACD模型的分类 113

6.2.4 ACD模型的扩展 117

6.3 基于ACD模型的ACV模型构建 126

6.3.1 模型设计 126

6.3.2 实证检验 127

6.4 ACI模型 130

6.4.1 多元ACI模型 131

6.4.2 一元ACI模型 132

7 SCD模型及其与ACD模型比较 135

7.1 SV模型回顾 135

7.2 SCD模型分析 137

7.2.1 SCD模型的结构分析 137

7.2.2 SCD模型的统计特征 138

7.2.3 SCD模型分类 139

7.3 ACD模型和SCD模型的模拟效果比较 140

7.3.1 数据描述与预处理 140

7.3.2 实例分析 142

8 构建基于SCD的实时数据模型 145

8.1 持续期—收益率双因素建模原理分析 145

8.2 SCD-GARCH模型构建 147

8.2.1 持续期危险率函数的确定 147

8.2.2 收益率密度函数的确定 148

8.2.3 SCD-GARCH模型的确定 149

8.3 SCD-GARCH模型模拟效果分析 150

8.3.1 数据描述与预处理 150

8.3.2 实例分析 153

9 中国股票市场实时数据信息含量实例分析 161

9.1 实时数据信息含量概述 161

9.2 知情交易的实证模型构建 163

9.2.1 基本模型 163

9.2.2 检验假设提出 164

9.2.3 模型中加入知情交易解释变量 167

9.3 实例分析 168

9.3.1 日内效应调整 168

9.3.2 结果评价 174

参考文献 177

后记 193