金融市場中的統計模型和方法（簡體書）

《金融市場中的統計模型和方法》講述數量金融中最重要的統計方法和模型，通過統計建模和統計決策理論將金融理論與市場實務相聯系。《金融市場中的統計模型和方法》的第一部分講述統計的基本背景知識，具體包括線性回歸、廣義線性回歸與非線性回歸、多元分析、似然推斷與貝葉斯模型，以及時間序列分析，同時講述這些模型在投資組合理論和資產收益率及波動率動態建模中的應用。第二部分講述數量金融中的高級課題，并試圖通過實質一經驗建模方法的引入來填補金融理論和市場實務之間的空白；我們將具體講述其在期權定價、利率市場、統計交易策略和風險管理中的應用。非參數回歸、計量經濟學中的高級多元和時間序列方法，以及高頻交易數據的相關統計方法也將置于這個框架下進行講解。
《金融市場中的統計模型和方法》曾作為金融數學（工程）和計算（數量）金融碩士項目的統計建模課程的教材。我們也向那些已經從事金融行業的數量分析師推薦，如果希望對實際中廣泛應用的統計方法進行深入的學習，將《金融市場中的統計模型和方法》作為自學材料。同時，《金融市場中的統計模型和方法》提供了來自金融市場的具體實例和數據來說明我們所講述的方法，因此也可作為統計和計量經濟學研究生課程的教材，以幫助學生系統地學習回歸、多元分析、似然理論與貝葉斯推斷、非參數理論和時間序列分析等理論和模型。

黎子良（1945-）,香港大學本科畢業，1972年獲美國哥倫比亞大學統計學博士學位。現為美國斯坦福大學教授。1983年獲國際統計學界的考普斯“總統獎”。黎子良教授的主要研究領域包括序列實驗、自適應設計和控制、隨機最優化、時間序列和預測、變點監測、隱馬爾可夫模型和粒子濾波、經驗貝葉斯模型、多元生存分析、概率理論和隨機過程、生物統計、計量經濟學、定量金融和風險控制。
邢海鵬（1976-）,南開大學本科畢業，2005年獲斯坦福大學統計學博士學位。現為紐約州立大學石溪分校助理教授。邢海鵬的主要研究領域為定量金融、多變點檢測分析及其在計量經濟學、工程及生物學上的應用。

譯者序
中文版序言
第一部分 基本統計方法和金融應用
第一章 線性回歸模型
1.1 普通最小二乘方法(OLS)
1.1.1 殘差與殘差平方和
1.1.2 投影矩陣的性質
1.1.3 半正定矩陣的性質
1.1.4 普通最小二乘估計的統計性質
1.2 統計推斷
1.2.1 置信區間
1.2.2 方差分析(ANOVA)檢驗
1.3 變量選擇
1.3.1 基於檢驗的變量選擇及其他準則
1.3.2 逐步回歸選變量法
1.4 回歸診斷
1.4.1 殘差分析
1.4.2 強影響點的診斷
1.5 推廣到隨機回歸變量模型
1.5.1 最小方差線性預測
1.5.2 期貨市場以及采用期貨合約對沖
1.5.3 隨機回歸變量模型中的推斷
1.6 回歸中的bootstrap方法
1.6.1 代人(plug-in)原則和bootstrap重新抽樣方法
1.6.2 Bootstrapping回歸模型
1.6.3 Bootstrap置信區間
1.7 廣義最小二乘方法
1.8 模型的實現和說明
習題

第二章 多元分析和似然推斷
2.1 隨機變量的聯合分布
2.1.1 變量替換
2.1.2 期望和協方差矩陣
2.2 主成分分析(principle componentanalysis，PCA)
2.2.1 基本定義
2.2.2 主成分的性質
2.2.3 實例分析：美國國債收益率一LIBOR掉期率的主成分分析
2.3 多元正態分布
2.3.1 定義和密度函數
2.3.2 邊際分布和條件分布
2.3.3 正交性，獨立性及其在回歸中的應用
2.3.4 樣本協方差陣和Wishart分布
2.4 似然推斷
2.4.1 極大似然方法
2.4.2 漸近推斷
2.4.3 參數化bootstrap
習題

第三章 基本投資模型及其統計分析
3.1 資產收益率
3.1.1 定義
3.1.2 資產價格和收益率的統計模型
3.2 Ma.rkowitz投資組合選擇理論
3.2.1 投資組合權重
3.2.2 有效投資集的幾何表示
3.2.3 有效組合的計算
3.2.4 u和∑的估計及實例分析
3.3 資本資產定價理論(cAPM)
3.3.1 模型
3.3.2 在投資中的應用
3.3.3 估計和檢驗
3.3.4 CAPM的實證分析
3.4 多因子定價理論
3.4.1 套利定價理論
3.4.2 因子分析
3.4.3 主成分分析法
3.4.4 Fama-nench三因子模型
3.5 重新抽樣在投資組合管理中的應用
3.5.1 Michaud重新抽樣有效前沿
3.5.2 投資績效的bootstrap估計
習題

第四章 參數模型與貝葉斯方法
4.1 極大似然及廣義線性模型
4.1.1 計算MLE的數值方法
4.1.2 廣義線性模型
4.2 非線性回歸模型
4.2.1 高斯一牛頓算法
4.2.2 統計推斷
4.2.3 實現和實例
4.3 貝葉斯推斷
4.3.1 先驗分布和后驗分布
4.3.2 貝葉斯方法
4.3.3 多元正態均值和協方差陣的貝葉斯估計
4.3.4 高斯回歸模型中的貝葉斯估計
4.3.5 經驗貝葉斯估計和壓縮估計
4.4 壓縮估計和貝葉斯方法在投資中的應用
4.4.1 代入估計有效前沿下u和∑的壓縮估計
4.4.2 另一種貝葉斯方法
習題

第五章 時間序列建模與預報
5.1 平穩時間序列分析
5.1.1 弱平穩
5.1.2 獨立性檢驗
5.1.3 Wold分解與MA、AR和ARMA模型
5.1.4 ARMA模型中的預報
5.1.5 參數的估計和階數的確定
5.2 非平穩時間序列分析
5.2.1 去除趨勢項
5.2.2 實例分析
5.2.3 變換和差分
5.2.4 單位根非平穩和A砌MA模型
5.3 線性狀態空間模型和卡爾曼濾波

習題
第六章 資產收益率及其波動率的動態模型
6.1 資產收益率時間序列的特徵事實
6.2 時變波動率的移動平均估計
6.3 條件異方差模型
6.3.1 ARCH模型
6.3.2 GARCH模型
6.3.3 單整GARCH模型
6.3.4 指數GA：RCH模型
6.4 ARMA—GARCH模型和ARMA—EGARCH模型
6.4.1 未來收益率和波動率的預報
6.4.2 模型的實現和說明

第二部分 數量金融的高等課題
第七章 非參回歸和實質——經驗模型
第八章 期權價理合市場數據
第九章 金融計量中的高級多元和時間序列方法
第十章 利率市場
第十一章 統計交易策略
第十二章 風險管理中的統計方法
附錄
參考文獻
索引