定 價(jià):¥118.00
作 者: | 克里斯·布魯克斯,王鵬 |
出版社: | 格致出版社 |
叢編項(xiàng): | |
標(biāo) 簽: | 暫缺 |
ISBN: | 9787543229761 | 出版時(shí)間: | 2019-05-01 | 包裝: | 平裝 |
開(kāi)本: | 16開(kāi) | 頁(yè)數(shù): | 302 | 字?jǐn)?shù): |
1 導(dǎo)論
1.1 什么是計(jì)量經(jīng)濟(jì)學(xué)?
1.2 “金融計(jì)量經(jīng)濟(jì)學(xué)”和“經(jīng)濟(jì)計(jì)量經(jīng)濟(jì)學(xué)”的區(qū)別
1.3 數(shù)據(jù)類型
1.4 金融模型中的收益率
1.5 構(gòu)建計(jì)量經(jīng)濟(jì)模型的步驟
1.6 在閱讀實(shí)證金融文獻(xiàn)時(shí)需要考慮的幾個(gè)要點(diǎn)
1.7 關(guān)于貝葉斯統(tǒng)計(jì)
1.8 EViews簡(jiǎn)介
1.9 延伸閱讀
1.10 本書其余部分概要
自測(cè)題
2 數(shù)學(xué)和統(tǒng)計(jì)基礎(chǔ)
2.1 函數(shù)
2.2 微分學(xué)
2.3 矩陣
2.4 概率和概率分布
2.5 描述性統(tǒng)計(jì)
自測(cè)題
3 經(jīng)典線性回歸模型概要
3.1 什么是回歸模型
3.2 回歸與相關(guān)
3.3 簡(jiǎn)單回歸
3.4 一些專門術(shù)語(yǔ)
3.5 EViews中的簡(jiǎn)單線性回歸——估計(jì)最優(yōu)套期保值比率
3.6 經(jīng)典線性回歸模型下的假定
3.7 OLS估計(jì)量的性質(zhì)
3.8 精確性和標(biāo)準(zhǔn)誤差
3.9 統(tǒng)計(jì)推斷導(dǎo)論
3.10 特殊類型的假設(shè)檢驗(yàn):t比率
3.11 對(duì)金融理論進(jìn)行簡(jiǎn)單的t檢驗(yàn)——美國(guó)共同基金能跑贏市場(chǎng)嗎?
3.12 英國(guó)的單位信托經(jīng)理們能打敗市場(chǎng)嗎?
3.13 過(guò)度反應(yīng)假設(shè)和英國(guó)股票市場(chǎng)
3.14 確切的顯著性水平
3.15 EViews中的假設(shè)檢驗(yàn)——例1:重估套期保值比率
3.16 EViews中的假設(shè)檢驗(yàn)——例2:CAPM
附錄:CLRM結(jié)果的數(shù)學(xué)推導(dǎo)
自測(cè)題
4 對(duì)經(jīng)典線性回歸模型的進(jìn)一步探討
4.1 從簡(jiǎn)單模型推廣到多元線性回歸模型
4.2 常數(shù)項(xiàng)
4.3 在多元回歸中如何計(jì)算參數(shù)(β向量中的元素)?
4.4 檢驗(yàn)多重假設(shè):F檢驗(yàn)
4.5 對(duì)樣本進(jìn)行多重假設(shè)檢驗(yàn)的EViews輸出結(jié)果
4.6 運(yùn)用APT類模型在EViews中進(jìn)行多元回歸
4.7 數(shù)據(jù)挖掘和真實(shí)的檢驗(yàn)規(guī)模
4.8 擬合優(yōu)度統(tǒng)計(jì)量
4.9 特征價(jià)格模型
4.10 對(duì)于非嵌套假設(shè)的檢驗(yàn)
4.11 分位數(shù)回歸
附錄4.1 CLRM結(jié)果的數(shù)學(xué)推導(dǎo)
附錄4.2 對(duì)因子模型和主成分分析法的簡(jiǎn)單介紹
自測(cè)題
5 經(jīng)典線性回歸模型的假設(shè)和診斷檢驗(yàn)
5.1 引言
5.2 診斷檢驗(yàn)的統(tǒng)計(jì)分布
5.3 假定1:E(ut)=0
5.4 假定2:var(ut)=σ2<∞
5.5 假定3:對(duì)于i≠j,cov(ui,uj)=0
5.6 假定4:xt非隨機(jī)
5.7 假定5:擾動(dòng)項(xiàng)服從正態(tài)分布
5.8 多重共線性
5.9 函數(shù)形式錯(cuò)誤
5.10 忽略重要變量所帶來(lái)的問(wèn)題
5.11 包含無(wú)關(guān)變量的情況
5.12 參數(shù)穩(wěn)定性檢驗(yàn)
5.13 測(cè)量誤差
5.14 構(gòu)建計(jì)量經(jīng)濟(jì)學(xué)模型的策略以及對(duì)建模理念的探討
5.15 確定主權(quán)信用評(píng)級(jí)
自測(cè)題
6 單變量時(shí)間序列建模與預(yù)測(cè)
6.1 引言
6.2 一些術(shù)語(yǔ)和概念
6.3 移動(dòng)平均過(guò)程
6.4 自回歸過(guò)程
6.5 偏自相關(guān)函數(shù)
6.6 ARMA過(guò)程
6.7 建立ARMA模型:Box-Jenkins方法
6.8 在EViews中建立ARMA模型
6.9 金融時(shí)間序列建模
6.10 指數(shù)平滑
6.11 計(jì)量經(jīng)濟(jì)學(xué)中的預(yù)測(cè)
6.12 在EViews中運(yùn)用ARMA模型進(jìn)行預(yù)測(cè)
6.13 用EViews估計(jì)指數(shù)平滑模型
自測(cè)題
7 多元模型
7.1 動(dòng)機(jī)
7.2 聯(lián)立方程偏差
7.3 如何有效估計(jì)聯(lián)立方程模型?
7.4 可以從π中獲得初始系數(shù)值嗎?
7.5 金融學(xué)中的聯(lián)立方程
7.6 外生性的定義
7.7 三元系統(tǒng)
7.8 聯(lián)立方程系統(tǒng)的估計(jì)步驟
7.9 聯(lián)立方程模型在買賣價(jià)差和交易活動(dòng)建模中的應(yīng)用
7.10 EViews中的聯(lián)立方程建模
7.11 向量自回歸模型
7.12 VAR模型中應(yīng)該包含同期項(xiàng)嗎?
7.13 分塊顯著性檢驗(yàn)和因果關(guān)系檢驗(yàn)
7.14 包含外生變量的VAR模型
7.15 脈沖響應(yīng)和方差分解
7.16 VAR模型應(yīng)用實(shí)例:資產(chǎn)收益率和宏觀經(jīng)濟(jì)的相互影響
7.17 EViews中的VAR模型估計(jì)
自測(cè)題
8 金融領(lǐng)域中的長(zhǎng)期關(guān)系建模
8.1 平穩(wěn)性和單位根檢驗(yàn)
8.2 存在結(jié)構(gòu)突變時(shí)的單位根檢驗(yàn)
8.3 用EViews進(jìn)行單位根檢驗(yàn)
8.4 協(xié)整
8.5 誤差校正模型
8.6 檢驗(yàn)回歸中的協(xié)整:一種基于殘差的方法
8.7 協(xié)整系統(tǒng)中的參數(shù)估計(jì)方法
8.8 期貨市場(chǎng)和現(xiàn)貨市場(chǎng)的領(lǐng)先—滯后及長(zhǎng)期關(guān)系
8.9 運(yùn)用基于VAR的Johansen技術(shù)來(lái)檢驗(yàn)和估計(jì)協(xié)整系統(tǒng)
8.10 購(gòu)買力平價(jià)
8.11 國(guó)際債券市場(chǎng)間的協(xié)整
8.12 檢驗(yàn)利率期限結(jié)構(gòu)的預(yù)期假說(shuō)
8.13 用EViews檢驗(yàn)協(xié)整并為協(xié)整系統(tǒng)建模
自測(cè)題
9 波動(dòng)率和相關(guān)性建模
9.1 動(dòng)機(jī):進(jìn)入非線性領(lǐng)域
9.2 波動(dòng)率模型
9.3 歷史波動(dòng)率
9.4 隱含波動(dòng)率模型
9.5 指數(shù)加權(quán)移動(dòng)平均模型
9.6 自回歸波動(dòng)率模型
9.7 自回歸條件異方差模型
9.8 廣義ARCH(GARCH)模型
9.9 估計(jì)ARCH/GARCH模型
9.10 基本GARCH模型的擴(kuò)展
9.11 非對(duì)稱GARCH模型
9.12 GJR模型
9.13 EGARCH模型
9.14 在EViews中估計(jì)GJR和EGARCH
9.15 檢驗(yàn)波動(dòng)非對(duì)稱性
9.16 GARCH-M模型
9.17 運(yùn)用GARCH類模型預(yù)測(cè)波動(dòng)率
9.18 檢驗(yàn)非線性約束或非線性模型假設(shè)
9.19 波動(dòng)率預(yù)測(cè):文獻(xiàn)中的一些例子及結(jié)果
9.20 回顧隨機(jī)波動(dòng)模型
9.21 預(yù)測(cè)協(xié)方差和相關(guān)性
9.22 金融中的協(xié)方差建模與預(yù)測(cè):幾個(gè)例子
9.23 簡(jiǎn)單協(xié)方差模型
9.24 多元GARCH模型
9.25 直接相關(guān)模型
9.26 對(duì)基本多元GARCH模型的拓展
9.27 帶有時(shí)變協(xié)方差的CAPM多元GARCH模型
9.28 估計(jì)FTSE指數(shù)收益率的時(shí)變套期保值比率
9.29 多元隨機(jī)波動(dòng)模型
9.30 用EViews估計(jì)多元GARCH模型
附錄:基于極大似然方法的參數(shù)估計(jì)
自測(cè)題
10 轉(zhuǎn)換模型
10.1 動(dòng)因
10.2 金融市場(chǎng)中的季節(jié)性:簡(jiǎn)介與文獻(xiàn)綜述
10.3 對(duì)金融數(shù)據(jù)中的季節(jié)效應(yīng)建模
10.4 估計(jì)簡(jiǎn)單分段線性函數(shù)
10.5 馬爾科夫轉(zhuǎn)換模型
10.6 實(shí)際匯率的一個(gè)馬爾科夫轉(zhuǎn)換模型
10.7 馬爾科夫轉(zhuǎn)換模型的應(yīng)用:金邊債券與股票的收益率之比
10.8 用EViews估計(jì)馬爾科夫轉(zhuǎn)換模型
10.9 門檻自回歸模型
10.10 估計(jì)門檻自回歸模型
10.11 馬爾科夫轉(zhuǎn)換模型和門檻自回歸模型中的設(shè)定檢驗(yàn):一個(gè)忠告
10.12 法國(guó)法郎——德國(guó)馬克匯率的SETAR模型
10.13 FTSE100指數(shù)及其股指期貨市場(chǎng)的門檻模型
10.14 關(guān)于機(jī)制轉(zhuǎn)換模型和預(yù)測(cè)精度
自測(cè)題
11 面板數(shù)據(jù)
11.1 什么是面板技術(shù)及如何使用這一技術(shù)?
11.2 面板技術(shù)
11.3 固定效應(yīng)模型
11.4 時(shí)間固定效應(yīng)模型
11.5 用固定效應(yīng)模型來(lái)考察銀行業(yè)競(jìng)爭(zhēng)問(wèn)題
11.6 隨機(jī)效應(yīng)模型
11.7 運(yùn)用面板數(shù)據(jù)研究中歐和東歐銀行業(yè)信用的穩(wěn)定性
11.8 在EViews中估計(jì)面板模型
11.9 面板單位根檢驗(yàn)和面板協(xié)整檢驗(yàn)
11.10 延伸閱讀
自測(cè)題
12 受限因變量模型
12.1 簡(jiǎn)介與動(dòng)機(jī)
12.2 線性概率模型
12.3 Logit模型
12.4 用Logit模型檢驗(yàn)啄食順序假說(shuō)
12.5 Probit模型
12.6 如何在Logit模型和Probit模型中做出選擇?
12.7 估計(jì)受限因變量模型
12.8 衡量線性因變量模型的擬合優(yōu)度
12.9 多項(xiàng)線性因變量
12.10 重溫啄食順序假說(shuō)——在不同融資方式間做出選擇
12.11 排序響應(yīng)線性因變量模型
12.12 被動(dòng)評(píng)級(jí)是向下有偏的嗎?一個(gè)排序Probit分析
12.13 審查因變量和截?cái)嘁蜃兞?nbsp;
12.14 用EViews估計(jì)受限因變量模型
自測(cè)題
附錄:Logit模型和Probit模型的極大似然估計(jì)量
13 模擬方法
13.1 動(dòng)機(jī)
13.2 蒙特卡洛模擬
13.3 方差縮減技術(shù)
13.4 自舉法
13.5 隨機(jī)數(shù)生成器
13.6 模擬方法在解決計(jì)量經(jīng)濟(jì)或金融問(wèn)題時(shí)的缺陷
13.7 計(jì)量經(jīng)濟(jì)學(xué)中的蒙特卡洛模擬:導(dǎo)出DF檢驗(yàn)的臨界值
13.8 實(shí)例:模擬期權(quán)定價(jià)
13.9 實(shí)例:運(yùn)用自舉法計(jì)算風(fēng)險(xiǎn)資本要求
自測(cè)題
14 金融學(xué)實(shí)證分析、課題研究和論文撰寫
14.1 實(shí)證研究的概念和目的
14.2 選題
14.3 是在資助下進(jìn)行研究還是開(kāi)展獨(dú)立研究?
14.4 研究提綱
14.5 網(wǎng)絡(luò)上的工作論文和文獻(xiàn)
14.6 關(guān)于獲取數(shù)據(jù)
14.7 關(guān)于選擇計(jì)算機(jī)軟件
14.8 關(guān)于方法
14.9 事件研究法
14.10 檢驗(yàn)CAPM和Fama-French方法
14.11 關(guān)于論文結(jié)構(gòu)
14.12 論文的表達(dá)方式問(wèn)題
附錄1 本書中用到的數(shù)據(jù)來(lái)源
附錄2 統(tǒng)計(jì)分布表
術(shù)語(yǔ)表
參考文獻(xiàn)
譯后記