金融時(shí)間序列分析實(shí)驗(yàn)教程

內(nèi)容概要

　　《經(jīng)濟(jì)學(xué)與管理學(xué)實(shí)驗(yàn)教學(xué)系列教材：金融時(shí)間序列分析實(shí)驗(yàn)教程》共分七章，內(nèi)容包括：Eviews操作簡介；自回歸移動(dòng)平均模型；向量自回歸模型；向量誤差修正模型；條件異方差模型；面板數(shù)據(jù)模型；蒙特卡羅模擬方法。除第一章外，每章均按照方法介紹、實(shí)現(xiàn)步驟、窗口命令、程序語言、應(yīng)用舉例五個(gè)方面展開?！督?jīng)濟(jì)學(xué)與管理學(xué)實(shí)驗(yàn)教學(xué)系列教材：金融時(shí)間序列分析實(shí)驗(yàn)教程》適合于大學(xué)金融本科專業(yè)的學(xué)生作為《金融時(shí)間序列分析》的實(shí)驗(yàn)教材，也可作為相關(guān)領(lǐng)域研究人員、教師、經(jīng)濟(jì)和金融工作者的參考書。

書籍目錄

第一章Eviews操作簡介 第一節(jié)工作文件創(chuàng)建及使用 一、工作文件的打開與調(diào)用 二、工作文件的操作窗口 三、數(shù)據(jù)的處理 第二節(jié)常用對象介紹 一、方程對象 二、組對象 三、圖像對象 （一）圖像的創(chuàng)建 （二）圖像的修改與復(fù)制 四、對數(shù)似然對象 （一）待估參數(shù)的定義 （二）似然對象的定義 （三）估計(jì) （四）簡單似然對象舉例 五、系統(tǒng)對象 第三節(jié)程序設(shè)計(jì)基礎(chǔ) 一、簡單程序 二、程序的創(chuàng)建與運(yùn)行 三、程序變量 （一）控制變量 （二）字符串變量 （三）矩陣 四、控制程序 （一）IF條件語句 （二）FOR循環(huán)語句 （三）WHILE循環(huán)語句 第二章 自回歸移動(dòng)平均模型 第一節(jié)ARMA模型的基本原理 一、自回歸模型的基本原理 （一）AR模型的基本形式 （二）AR模型的平穩(wěn)性 （三）AR模型的數(shù)字特征 二、移動(dòng)平均模型的基本原理 （一）MA模型的基本形式 （二）MA模型的可逆性 （三）MA模型的數(shù)字特征 三、自回歸移動(dòng)平均模型的基本原理 （一）ARMA模型的基本形式 （二）ARMA模型的平穩(wěn)性和可逆性 （三）ARMA模型的數(shù)字特征 第二節(jié)時(shí)間序列的相關(guān)性分析與平穩(wěn)性 一、時(shí)間序列的自相關(guān)系數(shù) （一）自相關(guān)函數(shù)（ACF） （二）偏自相關(guān)函數(shù)（PACF） （三）ARMA模型自相關(guān)系數(shù)與偏自相關(guān)系數(shù)的估計(jì)與檢驗(yàn) 二、時(shí)間序列平穩(wěn)性檢驗(yàn) （一）經(jīng)驗(yàn)法 （二）自／偏自相關(guān)系數(shù)法 （三）單位根檢驗(yàn)法 第三節(jié)季節(jié)性ARMA模型 一、時(shí)間序列的季節(jié)性 （一）移動(dòng)平均法 （二）X—11方法 二、季節(jié)性ARMA模型 第四節(jié)ARMA模型的構(gòu)建與Eviews實(shí)現(xiàn) 一、ARMA模型的具體構(gòu)建步驟 （一）判斷序列的平穩(wěn)性 （二）ARMA模型滯后階數(shù)的選擇 （三）ARMA模型的參數(shù)估計(jì)與檢驗(yàn) （四）模型的預(yù)測 二、ARMA模型在Eviews中的窗口實(shí)現(xiàn) （一）判斷序列的平穩(wěn)性 （二）ARMA模型滯后階數(shù)的選擇與模型的估計(jì) （三）ARMA模型的檢驗(yàn) （四）模型的預(yù)測 三、ARMA模型在Eviews中常用的命令與程序 （一）單位根檢驗(yàn) （二）自相關(guān)，偏自相關(guān)圖 （三）ARMA模型的估計(jì) （四）模型殘差的調(diào)用 （五）模型的預(yù)測 （六）常用估計(jì)系數(shù)和統(tǒng)計(jì)量的調(diào)用 第五節(jié)ARMA模型的應(yīng)用舉例 一、案例分析的目的 二、實(shí)驗(yàn)數(shù)據(jù) 三、ARMA模型的構(gòu)建 （一）判斷序列的平穩(wěn)性 （二）單位根檢驗(yàn) （三）季節(jié)性分析 （四）滯后階數(shù)的初步?jīng)Q定 （五）ARMA模型的參數(shù)估計(jì) （六）模型的預(yù)測 第三章向量自回歸模型 第一節(jié)VAR模型的基本原理 一、VAR模型的基本形式 二、VAR模型的平穩(wěn)性特征 三、VAR模型平穩(wěn)性的條件 （一）一階VAR模型的平穩(wěn)性條件 （二）高階VAR模型平穩(wěn)的條件 四、VAR模型滯后階數(shù)的選擇 （一）LR檢驗(yàn)法 （二）信息準(zhǔn)則判斷法 第二節(jié)VAR模型的應(yīng)用 一、格蘭杰因果檢驗(yàn) （一）格蘭杰因果關(guān)系的概念 （二）格蘭杰因果關(guān)系的檢驗(yàn) 二、脈沖響應(yīng)函數(shù) 三、方差分解 四、預(yù)測 第三節(jié)VAR模型的具體構(gòu)建與Eviews實(shí)現(xiàn) 一、VAR模型的具體構(gòu)建步驟 （一）單位根檢驗(yàn) （二）VAR模型滯后階數(shù)的選擇 （三）VAR模型的估計(jì) （四）VAR模型的檢驗(yàn) （五）VAR模型的運(yùn)用 二、VAR模型在Eviews中的窗口實(shí)現(xiàn) （一）VAR模型滯后階數(shù)的選擇 （二）VAR模型的估計(jì) （三）VAR模型的檢驗(yàn) （四）VAR模型的預(yù)測 （五）格蘭杰因果檢驗(yàn) （六）脈沖響應(yīng) （七）方差分解 三、VAR模型在Eviews中常用的命令與程序 （一）滯后階數(shù)選擇 （二）VAR模型的估計(jì) （三）VAR模型特征根的調(diào)用 （四）殘差的調(diào)用 （五）估計(jì)系數(shù)和統(tǒng)計(jì)量的調(diào)用 （六）格蘭杰因果檢驗(yàn) （七）方差分解 （八）脈沖響應(yīng) 第四節(jié)VAR模型的應(yīng)用舉例 一、案例分析的目的 二、實(shí)驗(yàn)數(shù)據(jù) 三、VAR模型的構(gòu)建 （一）數(shù)據(jù)平穩(wěn)性檢驗(yàn) （二）VAR模型滯后階數(shù)的選擇 （三）VAR模型的估計(jì) （四）VAR模型的檢驗(yàn) （五）VAR模型的預(yù)測 四、VAR模型的應(yīng)用 （一）格蘭杰因果檢驗(yàn) （二）脈沖響應(yīng) （三）方差分解 第四章向量誤差修正模型 第一節(jié)協(xié)整的基本思想 一、協(xié)整（Cointegration）關(guān)系的產(chǎn)生 二、協(xié)整的概念 三、協(xié)整的檢驗(yàn) 四、協(xié)整方程形式的選擇 第二節(jié)向量誤差修正模型的基本思路 一、自回歸分布滯后模型 二、VECM模型的一般形式 第三節(jié)向量誤差修正模型的具體構(gòu)建與Eviews實(shí)現(xiàn) 一、VECM模型的具體構(gòu)建步驟 二、VECM模型在Eviews中的窗口實(shí)現(xiàn) 三、VECM模型在Eviews中的實(shí)現(xiàn)命令與程序 …… 第四節(jié)VECM模型的應(yīng)用舉例 第五章條件異方差模型 第六章面板數(shù)據(jù)模型 第七章蒙特卡羅模擬方法 參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：   插圖：   另外，若能減少估計(jì)的均方差σ，如降低一半，則誤差就減少一半，這相當(dāng)于Ⅳ增大4倍的效果。因此，蒙特卡羅模擬精度的提高，其關(guān)鍵技術(shù)之一就是減少方差，目前已經(jīng)提出了各種方差減少技術(shù)，本章將在后節(jié)介紹。 3.效率 一般來說，若模擬方法能以較少的時(shí)間較低的方差實(shí)現(xiàn)無偏估計(jì)，則該估計(jì)方法效率是最高的。但是降低方差的技巧往往會使模擬的時(shí)間增加。如采取兩種不同模擬方法估計(jì)的結(jié)果均是無偏的，σ1T2，那么該如何判斷這兩種模擬方法的效率呢？根據(jù)蒙特卡羅模擬方法誤差ε的定義，在置信水平與模擬時(shí)間一定的情況下，誤差項(xiàng)大小與成比例。定義，表示每次模擬花費(fèi)的時(shí)間，則誤差項(xiàng)大小由σ2決定。因此，將蒙特卡羅模擬的效率定義為σ2。σ2越小，說明模擬的效率越高。 第二節(jié)隨機(jī)數(shù)的生成 蒙特卡羅模擬的關(guān)鍵在于根據(jù)概率模型生成隨機(jī)數(shù)。那么什么是隨機(jī)數(shù)呢？在連續(xù)型隨機(jī)變量的分布中，最簡單而且最基本的分布是單位均勻分布，由該分布抽取的簡單子樣稱為隨機(jī)數(shù)序列，其中每一個(gè)體即為隨機(jī)數(shù)。隨機(jī)數(shù)的基本特點(diǎn)是獨(dú)立性和均勻性。 當(dāng)前生成隨機(jī)數(shù)的方法繁多，究其生成機(jī)理來說，一般分為數(shù)學(xué)計(jì)算方法和物理采樣方法兩大類別，其所生成的隨機(jī)數(shù)分別稱為偽隨機(jī)數(shù)和真隨機(jī)數(shù)。兩類隨機(jī)數(shù)各有優(yōu)勢，偽隨機(jī)數(shù)是對真隨機(jī)數(shù)的模擬，容易獲得且方便使用，一般用于測試、仿真等場合；而真隨機(jī)數(shù)取自物理世界的真實(shí)隨機(jī)源，難以破解，主要應(yīng)用在數(shù)據(jù)加密、密鑰管理等對安全性要求高的領(lǐng)域。一般在金融領(lǐng)域中所涉及的隨機(jī)數(shù)主要是指偽隨機(jī)數(shù)，因此本章主要討論偽隨機(jī)數(shù)。 一、偽隨機(jī)數(shù)的定義 在計(jì)算機(jī)上產(chǎn)生隨機(jī)數(shù)最實(shí)用和最常見的方法是利用遞推公式產(chǎn)生隨機(jī)數(shù)序列。對于給定的初始值ξ1，ξ2，…，ξk，其遞推公式為： 因此利用以上方式生成的隨機(jī)數(shù)會存在兩個(gè)問題： （1）遞推公式和初始值ξ1，ξ2，…，ξk，確定后，整個(gè)隨機(jī)數(shù)序列便被唯一確定。這樣不滿足隨機(jī)數(shù)相互獨(dú)立的要求。 （2）由于隨機(jī)數(shù)序列是由遞推公式確定的位于[0，1]上的隨機(jī)數(shù)，而在計(jì)算機(jī)上所能表示的[0，1]上的數(shù)是有限的，因此，這種方法產(chǎn)生的隨機(jī)數(shù)序列就可能出現(xiàn)重復(fù)的現(xiàn)象。若出現(xiàn)兩個(gè)時(shí)刻，使得下面等式成立： 隨機(jī)數(shù)序列便出現(xiàn)了周期性的循環(huán)現(xiàn)象。對于k=1的情況，只要有一個(gè)隨機(jī)數(shù)重復(fù)，其后面的隨機(jī)數(shù)全部重復(fù)，這與隨機(jī)數(shù)的要求是不相符的。 因此，利用遞推方法得到的隨機(jī)數(shù)并不是真正意義上的隨機(jī)數(shù)，該隨機(jī)數(shù)往往稱為偽隨機(jī)數(shù)。根據(jù)分布函數(shù)的性質(zhì)，一般分布的隨機(jī)數(shù)都可以通過[0，1]上的均勻分布轉(zhuǎn)化得到。在常用應(yīng)用軟件中均有直接生成[0，1]上均勻分布的函數(shù)命令，如在Eviews中利用rnd即可生成[0，1]上的均勻分布。下面著重介紹如何利用均勻分布生成一般分布偽隨機(jī)數(shù)。

編輯推薦

《經(jīng)濟(jì)學(xué)與管理學(xué)實(shí)驗(yàn)教學(xué)系列教材:金融時(shí)間序列分析實(shí)驗(yàn)教程》將對金融時(shí)間序列分析的理論、方法與運(yùn)用進(jìn)行梳理與擴(kuò)展，樹立學(xué)生對于各時(shí)間序列分析方法的直觀認(rèn)識，并結(jié)合當(dāng)前金融熱點(diǎn)問題進(jìn)行實(shí)例講解，讓學(xué)生熟練掌握Eviews軟件的窗口實(shí)現(xiàn)與編程運(yùn)用，這對于培養(yǎng)適應(yīng)日趨復(fù)雜的金融環(huán)境的復(fù)合型人才具有重要意義。

圖書封面

評論、評分、閱讀與下載

---

    金融時(shí)間序列分析實(shí)驗(yàn)教程 PDF格式下載

---