目 录
译者序
前言
第1章 金融数据的性质1
1.1 金融时间序列3
1.1.1 自相关系数5
1.1.2 平稳性5
1.1.3 时间尺度和数据加总6
1.2 金融资产和市场9
1.2.1 市场和监管机构11
1.2.2 利息14
1.2.3 资产收益率20
1.2.4 股票价格、公平市场价值23
1.2.5 股票分割、股利和资本收益32
1.2.6 指数和“市场”34
1.2.7 衍生资产43
1.2.8 空头头寸45
1.2.9 资产的投资组合：分散和
对冲46
1.3 收益率的频率分布53
1.3.1 位置和尺度55
1.3.2 偏度56
1.3.3 峰度57
1.3.4 多元数据57
1.3.5 正态分布61
1.3.6 q-q图64
1.3.7 异常值66
1.3.8 其他统计度量方法66
1.4 波动率69
1.4.1 收益率的时间序列69
1.4.2 度量波动率：历史波动率和隐含
波动率72
1.4.3 波动率指数：VIX76
1.4.4 隐含波动率曲线78
1.4.5 风险评估与管理79
1.5 市场动态83
1.6 关于金融数据的典型事实89
注释和深入阅读90
练习和复习题92
附录A1：使用R获取和分析金融
数据95
第2章 金融数据的探索性分析141
2.1 数据缩减142
2.1.1 简单概括统计量142
2.1.2 数据中心化和标准化143
2.1.3 多元数据的简单概括统计量143
2.1.4 变换143
2.1.5 识别异常观察值145
2.2 经验累积分布函数145
2.3 概率密度的非参数估计149
2.3.1 分箱数据149
2.3.2 核密度估计150
2.3.3 多元核密度估计量152
2.4 探索性分析中的图形法152
2.4.1 时间序列图153
2.4.2 直方图153
2.4.3 箱线图154
2.4.4 密度图155
2.4.5 二元数据156
2.4.6 q-q图157
2.4.7 R中的图形161
注释和深入阅读165
练习165
第3章 可观察事件模型使用的概率
分布169
3.1 随机变量和概率分布170
3.1.1 离散随机变量171
3.1.2 连续随机变量174
3.1.3 随机变量的线性组合：期望和
分位数177
3.1.4 生存函数和风险函数178
3.1.5 多元分布178
3.1.6 多元分布中变量之间的
相关性180
3.1.7 连接函数183
3.1.8 多元随机变量的变换185
3.1.9 顺序统计量的分布186
3.1.10 渐近分布：中心极限定理187
3.1.11 概率分布的尾部189
3.1.12 随机变量序列：随机过程192
3.1.13 股票价格的扩散过程与期权
定价193
3.2 一些有用的概率分布195
3.2.1 离散分布196
3.2.2 连续分布197
3.2.3 多元分布204
3.2.4 对建模有用的一般分布族205
3.2.5 构造多元分布215
3.2.6 数据生成过程建模216
3.2.7 概率分布的R函数216
3.3 随机变量的模拟219
3.3.1 均匀随机数219
3.3.2 生成非均匀随机数220
3.3.3 在R中模拟数据223
注释和深入阅读225
练习226
第4章 统计模型与推断方法232
4.1 统计模型232
4.1.1 拟合统计模型235
4.1.2 变差的度量和分解236
4.1.3 线性模型237
4.1.4 非线性方差稳定化变换239
4.1.5 参数模型和非参数模型239
4.1.6 贝叶斯模型240
4.1.7 时间序列模型240
4.2 统计建模的标准与方法240
4.2.1 估计量及其性质240
4.2.2 统计建模方法242
4.3 统计建模的优化：最小二乘法和
最大似然估计法248
4.3.1 一般优化问题248
4.3.2 最小二乘法252
4.3.3 最大似然法258
4.3.4 处理优化问题的R函数260
4.4 统计推断261
4.4.1 置信区间263
4.4.2 检验统计假设265
4.4.3 预测268
4.4.4 贝叶斯模型推断268
4.4.5 再抽样方法：自助法273
4.4.6 稳健统计方法275
4.4.7 尾部指数的估计277
4.4.8 风险值和预期损失的估计280
4.5 描述变量之间关系的模型283
4.5.1 主成分284
4.5.2 回归模型287
4.5.3 线性回归模型290
4.5.4 线性回归模型：回归变量293
4.5.5 线性回归模型：单个观察值和
残差297
4.5.6 线性回归模型：例子303
4.5.7 非线性模型313
4.5.8 在R中指定模型317
4.6 评估模型的充分性318
4.6.1 拟合优度检验；正态性检验318
鄂公网安备 42010302001612号 