內容簡介
《金融計量學:從初級到高級建模技術》是金融計量學研究領域的權威性著作。重點介紹了回歸分析、單變數自回歸移動平均模型、向量自回歸過程、協整過程、主成分分析、因子分析、穩定過程以及存在厚尾誤差的自回歸移動平均模型和GARCH模型等多種模型和方法。《金融計量學:從初級到高級建模技術》的內容由淺入深，基本涵蓋了現代金融計量學領域的大部分方法和內容。書中對金融計量學方法的介紹，既有詳細的基礎知識說明，又有實際案例套用的闡述。尤其是通過金融市場中的真實數據進行的舉例說明，為讀者展示了如何運用金融計量學方法對現實金融問題進行分析研究。
《金融計量學:從初級到高級建模技術》可以作為經濟、金融專業的本科高年級學生和研究生學習金融計量學的教材，也可以作為金融實務領域從業人員學習和使用金融計量學方法的參考用書。
作者簡介
作者：（德國）斯維特洛扎·T.維特夫（Svetlozar T.Rachev） （德國）史蒂芬·米特尼克（Stefan Mittnik） （美國）弗蘭克·J.法伯茲（Frank J.Fabozzi） 等 譯者：曲春青
斯維特洛扎·T.維特夫（Svetlozar T.Rachev），博士，德國卡爾斯魯厄大學經濟與商業工程學院的講座教授，加州大學聖巴巴拉分校的榮譽教授以及FinAnalytica公司的首席科學家。
史蒂芬·米特尼克（Stefan Mittnik），就讀於德國柏林工業大學、英國蘇塞克斯大學，並於華盛頓大學取得經濟學博士學位。他目前是德國慕尼黑大學的金融計量學教授、慕尼黑Ifo經濟研究所主任。任職於慕尼黑大學之前，他曾經教於紐約州立大學石溪分校、德國基爾大學，並多次作為訪問學者進行研究，包括作為富布萊特傑出教授在華盛頓大學進行訪問研究。他的研究領域包括金融計量學、風險管理、投資組合最佳化。除了進行學術研究之外，米特尼克教授還主持德國法蘭克福金融研究中心的風險管理計畫部。他是基爾數理金融分析研究所創始人之一，科學顧問委員會主席。
弗蘭克·J.法伯茲（Frank J.Fabozzi），是耶魯大學管理學院金融學副教授、 Becton會員，曾在麻省理工學院的斯隆學院做訪問研究。法伯茲教授是耶魯大學國際金 融中心研究員，普林斯頓大學運籌學與金融工程學系顧問委員。他是《投資組合管理研究》主編、《固定收入證券》副主編。他於1972年獲得紐約城市大學經濟學博士學位。2002年， 榮登固定收益分析師協會名人堂。他還取得了註冊金融分析師（CFA）和註冊會計師 （CPA）資格。目前，他已經編著了大量的金融學書籍。
塞爾吉奧·M.福卡爾迪（Sergio M.Focardi），是天翔集團（Intertek Group） 合伙人之一、《投資組合管理研究》編委。他發表和編寫了大量有關金融建模和風險管 理方面的論文和書籍，包括CFA的最新專著《數量金融發展趨勢》、獲獎圖書《股票市 場中的金融建模》以及《金融建模和投資管理中的數學方法》。福卡爾迪先生將動態因 子分折套用於長短期投資組合的構建，並以此指導大規模股票組合的計量研究和制度變 化建模研究。他在熱那亞大學取得電子工程學學士學位，在徹利略法拉利電工研究所 （都靈）獲得通信學碩士學位。
曲春青，男，1978年生，遼寧省本溪市人，2001年畢業於東北財經大學金融系並獲得經濟學學士學位；2004年獲得東北財經大學數量經濟學專業經濟學碩士學位；2010年獲得東北財經大學數量經濟學專業經濟學博士學位。現為東北財經大學金融學院講師、碩士生導師，兼任金融學實驗室副主任。
圖書目錄
第1章金融計量學——範疇與方法
1.1數據生成過程
1.2金融計量學建模步驟
1.3模型的時間跨度
1.4模型的套用
附錄：投資管理過程
本章概念（按照出現先後排序）
第2章機率論與統計學知識回顧
2.1機率的概念
2.2估計的原則
2.3貝葉斯建模
附錄A：信息結構
附錄B：濾鏈
本章概念（按照出現先後排序）
第3章回歸分析：理論和估計
3.1相關關係的概念
3.2回歸和線性模型
3.3線性回歸的估計
3.4回歸的抽樣分布
3.5回歸模型解釋效力的確定
3.6回歸分析在金融中的套用
3.7逐步回歸
3.8殘差非正態性和殘差自相關
3.9回歸分析方法中的誤區
本章概念（按照出現先後排序）
第4章回歸分析專題
4.1回歸模型中的分類變數和虛擬變數
4.2約束最小二乘
4.3矩估計方法及其一般化
本章概念（按照出現先後排序）
第5章回歸分析在金融領域中的套用
5.1回歸分析在投資管理過程中的套用
5.2強式定價有效的一個檢驗
5.3CAPM的檢驗
5.4利用CAPM評價管理人業績——詹森指標
5.5多因子模型的證明
5.6標準的選擇：夏普標準
5.7基於收益率的對沖基金風格分析
5.8對沖基金的存續期
5.9回歸分析在債券組合管理中的套用
本章概念（按照出現先後排序）
第6章單變數時間序列建模
6.1差分方程
6.2術語和定義
6.3ARMA過程的平穩性和可逆性
6.4線性過程
6.5識別工具
本章概念（按照出現先後排序）
第7章ARIMA模型的建模和預測方法
7.1B-J過程概述
7.2差分次數的識別
7.3滯後階數的識別
7.4模型的估計
7.5診斷檢驗
7.6預測
本章概念（按照出現先後排序）
第8章自回歸條件異方差模型
8.1ARCH過程
8.2GARCH過程
8.3GARCH模型的估計
8.4平穩ARMA-GARCH模型
8.5拉格朗日乘數檢驗
8.6GARCH模型的變形
8.7GARCH模型預測
8.8多元GARCH結構
附錄：GARCH（1，1）模型的性質分析
本章概念（按照出現先後排序）
第9章向量自回歸模型Ⅰ
9.1VAR模型的定義
9.2平穩自回歸分布滯後模型
9.3向量自回歸移動平均模型
9.4VAR模型的預測
附錄：特徵向量與特徵值
本章概念（按照出現先後排序）
第10章向量自回歸模型Ⅱ
10.1穩定VAR模型的估計
10.2滯後階數的判斷
10.3殘差自相關及其分布的性質
10.4VAR模型舉例
本章概念（按照出現先後排序）
第11章協整與狀態空間模型
11.1協整
11.2誤差修正模型
11.3非平穩VAR模型估計的理論和方法
11.4狀態空間模型
本章概念（按照出現先後排序）
第12章穩健估計
12.1穩健統計
12.2回歸的穩健估計量
12.3協方差與相關係數矩陣的穩健估計
12.4套用
本章概念（按照出現先後排序）
第13章主成分分析和因子分析
13.1因子模型
13.2主成分分析
13.3因子分析
13.4債券組合管理中的PCA套用
13.5PCA與因子分析比較
本章概念（按照出現先後排序）
第14章金融計量學中的厚尾和穩定分布
14.1穩定分布的定義與基本性質
14.2穩定分布的性質
14.3穩定分布的參數估計
14.4在德國股票數據分析中的套用
附錄：機率分布的比較
本章概念（按照出現先後排序）
第15章具有無限方差新息的ARMA和ARCH模型
15.1具有無限方差的自回歸過程
15.2穩定GARCH模型
15.3穩定GARCH模型的估計
15.4條件密度的預測
本章概念（按照出現先後排序）
附錄20隻股票的月度收益率（2000年12月—2005年11月）
