金融计量经济学基础(工具概念和资产管理应用)/金融教材译丛

随着数量金融专业的不断兴起，金融计量经济学在金融领域的应用变得十分重要，它可以提供分析模型用以确定复杂的金融产品结构，也可以用来估值和进行风险评估。本书涵盖金融计量经济学的常用技术，避免使用不必要的数学和统计模型分析，且强调基础理论和应用。本书主要讨论了回归分析模型、因子分析、风险分析和时间序列分析。另外，本书也配套了教学资源，读者可以在上面查到大量的真实案例和*新的研究内容，比如信贷得分、对冲固定收益证券、平衡资产组合等等。

译者序 前言 致谢 关于作者 第1章　导论1 　学习目标1 　1.1　金融计量经济学的步骤2 　　1.1.1　模型选择2 　　1.1.2　模型估计3 　　1.1.3　模型检验4 　1.2　数据生成过程5 　1.3　金融计量经济学在投资管理领域的应用6 　　1.3.1　资产配置6 　　1.3.2　投资组合的构建7 　　1.3.3　投资组合的风险管理8 　要点回顾10 第2章　简单线性回归12 　学习目标12 　2.1　相关性的作用12 　2.2　回归模型：两个变量之间的线性函数关系14 　2.3　回归模型的分布假设15 　2.4　回归模型的估计17 　2.5　模型的拟合优度20 　2.6　简单线性回归在金融领域的两个应用22 　　2.6.1　估计共同基金的特征线22 　　2.6.2　控制股票投资组合的风险26 　2.7　非线性关系的线性回归33 　要点回顾34 第3章　多元线性回归模型36 　学习目标36 　3.1　多元线性回归模型概述36 　3.2　多元线性回归模型的假设37 　3.3　模型参数的估计38 　3.4　模型设计40 　3.5　诊断检验及模型显著性40 　　3.5.1　模型的显著性检验41 　　3.5.2　自变量显著性的检验43 　　3.5.3　新增变量的F检验43 　3.6　多元线性回归在金融领域的应用44 　　3.6.1　久期的估计44 　　3.6.2　预测10年期国债收益率52 　　3.6.3　基准的选择：夏普基准59 　　3.6.4　基于收益率的对冲基金投资风格分析61 　　3.6.5　抵押市场的溢价／折价分析63 　　3.6.6　强式定价效率检验65 　　3.6.7　资本资产定价模型的检验67 　　3.6.8　多因子模型的证明69 　要点回顾70 第4章　建立和检验多重线性回归模型72 　学习目标72 　4.1　多重线性问题72 　4.2　建模技术75 　　4.2.1　逐步包含回归方法76 　　4.2.2　逐步排除回归方法77 　　4.2.3　标准的逐步回归方法77 　　4.2.4　逐步回归方法的应用77 　4.3　多元线性回归模型的假设检验78 　　4.3.1　线性检验80 　　4.3.2　关于误差项的假定统计特性81 　　4.3.3　残差的正态分布检验82 　　4.3.4　验证误差项的常方差（同方差性）83 　　4.3.5　残差的非自相关85 　要点回顾88 第5章　时间序列分析简介91 　学习目标91 　5.1　时间序列91 　5.2　时间序列的分解93 　5.3　用差分方程表示时间序列96 　5.4　应用：价格波动过程97 　　5.4.1　随机游走模型97 　　5.4.2　误差修正模型99 　要点回顾100 第6章　回归模型中的分类变量102　学习目标102 　6.1　自变量为分类变量103 　6.2　因变量为分类变量123 　　6.2.1　线性概率模型123 　　6.2.2　probit回归模型124 　　6.2.3　logit回归模型125 　要点回顾125 第7章　分位数回归127 　学习目标127 　7.1　经典回归分析的局限性128 　7.2　参数估计128 　7.3　分位数回归过程129 　7.4　分位数回归在金融领域的应用131 　　7.4.1　投资组合管理者风格的决定因素132 　　7.4.2　影响资本结构的决定因素134 　要点回顾137 第8章　稳健回归138 　学习目标138 　8.1　稳健回归估计139 　8.2　协方差和相关矩阵的稳健估计145 　8.3　应用147 　要点回顾148 第9章　自回归移动平均模型149 　学习目标149 　9.1　自回归模型150 　9.2　移动平均模型153 　9.3　自回归移动平均模型概述155 　9.4　使用ARMA模型预测标准普尔500指数的周收益158 　9.5　向量自回归模型162 　要点回顾163 第10章　协整164 　学习目标164 　10.1　平稳、非平稳时间序列和协整165 　10.2　协整关系检验169 　　10.2.1　Engle-Granger协整检验169 　　10.2.2　Johansen-Juselius协整检验176 　要点回顾181 第11章　自回归异方差模型及其扩展182 　学习目标182 　11.1　估计和预测时间序列的波动性183 　11.2　ARCH模型184 　　11.2.1　ARCH行为184 　　11.2.2　ARCH模型表现187 　　11.2.3　ARCH均值模型191 　11.3　GARCH模型191 　　11.3.1　ARCH/GARCH模型应用193 　　11.3.2　GARCH模型的单变量扩展194 　　11.3.3　ARCH/GARCH模型的参数估计196 　　11.3.4　GARCH模型在期权定价上的应用196 　　11.3.5　ARCH/GARCH模型的多元扩展197 　要点回顾200 第12章　因子分析和主成分分析201 　学习目标201 　12.1　线性回归的假设202 　12.2　因子模型的基本概念203 　12.3　因子模型的假设和分类206 　12.4　因子模型与线性回归的异同206 　12.5　因子模型的性质207 　12.6　因子模型的估计209 　　12.6.1　因子的不确定性问题209 　　12.6.2　因子的数量估量210 　　12.6.3　模型参数估计210 　　12.6.4　因子的估计214 　　12.6.5　其他类型的因子模型216 　12.7　主成分分析216 　　12.7.1　主成分分析步骤216 　　12.7.2　主成分分析的过程224 　12.8　因子分析与主成分分析之间的差异224 　12.9　近似（大）因子模型225 　12.10　近似因子模型和主成分分析226 　要点回顾227 第13章　模型估计229 　学习目标229 　13.1　统计估计与检验229 　13.2　估计方法231 　13.3　最小二乘估计法232 　　13.3.1　普通最小二乘估计法237 　　13.3.2　加权最小二乘估计法238 　　13.3.3　广义最小二乘估计法240 　13.4　极大似然估计法240 　　13.4.1　极大似然估计在回归模型中的应用之一241 　　13.4.2　极大似然估计在回归模型中的应用之二242 　　13.4.3　极大似然估计在因子模型中的应用244 　13.5　工具变量估计法244 　13.6　矩估计法245 　13.7　M估计方法和M估计量250 　要点回顾250 第14章　模型选择251 　学习目标251 　14.1　物理和经济学：科学的两种途径251 　14.2　对复杂性建模和样本容量253 　14.3　数据透视255 　14.4　幸存者偏差和其他样本缺陷256 　14.5　模型风险259 　14.6　模型选择小结260 　要点回顾262 第15章　使用金融计量经济模型构建和实施投资策略264 　学习目标264 　15.1　量化研究过程265 　　15.1.1　基于金融经济理论形成一个事前的合理推断266 　　15.1.2　避免样本中的幸存者偏差267 　　15.1.3　选择模型的估计方法268 　　15.1.4　拟合和预测的权衡268 　　15.1.5　情绪的影响270 　　15.1.6　统计显著并不能保证alpha271 　15.2　投资策略的构建过程272 　　15.2.1　建立估计预期收益的模型272 　　15.2.2　独立的风险控制274 　要点回顾276 附录A　描述性统计277 附录B　金融计量经济学常用的连续概率分布297 附录C　推断统计311 附录D　矩阵代数基础332 附录E　模型选择准则：AIC和BIC343 附录F　稳健统计347