《多元时间序列分析及金融应用-R语言》蔡瑞胸 | PDF下载|ePub下载

译者序前言致谢第1章多元线性时间序列1.1 引言1.2基本概念1.2.1平稳性1.2.2线性1.2.3可逆性1.3交叉协方差和相关矩阵1.4样本ccm1.5零交叉相关性的检验1.6预测1.7模型表示1.8本书的结构1.9软件练习参考文献第2章平稳向量自回归时间序列2.1引言2.2var（1）模型2.2.1模型结构和格兰杰因果关系2.2.2传递函数模型的相关性2.2.3平稳条件2.2.4可逆性2.2.5矩方程2.2.6分量的隐含模型2.2.7移动平均表达式2.3var（2）模型2.3.1平稳条件2.3.2矩方程2.3.3隐含的边际分量模型2.3.4移动平均表达式2.4var（p）模型2.4.1一个var（1）表达式2.4.2平稳条件2.4.3矩方程2.4.4隐含的分量模型2.4.5移动平均表达式2.5估计2.5.1*小二乘方法2.5.2极大似然估计2.5.3ls估计的极限性质2.5.4贝叶斯估计2.6阶选择2.6.1序列似然比检验2.6.2信息准则2.7模型检验2.7.1残差交叉相关性2.7.2多元混成统计2.7.3模型简化2.8线性约束2.9预测2.9.1给定模型的预测2.9.2估计模型的预测2.10脉冲响应函数2.10.1正交新息2.11预测误差方差分解2.12证明练习参考文献第3章向量自回归移动平均时间序列3.1向量ma模型3.1.1vma（1）模型3.1.2vma（q）模型的性质3.2设定vma 阶3.3vma模型的估计3.3.1条件似然估计3.3.2精确似然估计3.3.3初始参数估计3.4vma模型预测3.5varma模型3.5.1可识别性3.5.2varma（1,1）模型3.5.3varma模型的一些性质3.6varma模型的隐含关系3.6.1格兰杰因果关系3.6.2脉冲响应函数3.7varma过程的线性变换3.8varma过程的时间聚合3.9varma模型的似然函数3.9.1条件似然函数3.9.2精确似然函数3.9.3解释似然函数3.9.4似然函数计算3.10精确似然函数的新息方法3.10.1块cholesky 分解3.11极大似然估计的渐近分布3.11.1线性参数约束3.12拟合varma模型的模型检验3.13varma模型预测3.13.1预测更新3.14初次阶识别3.14.1一致ar估计3.14.2扩展的交叉相关矩阵3.14.3汇总双向表3.15varma模型的实证分析3.15.1个人收入与支出3.15.2房屋开工率和房贷利率3.16附录练习参考文献第4章varma模型的结构设定4.1kronecker 指数方法4.1.1预测解释4.1.2varma设定4.1.3一个说明性的例子4.1.4echelon形式4.1.5续例4.2标量分量方法4.2.1标量分量模型4.2.2模型设定与标量分量模型4.2.3冗余参数4.2.4varma 模型设定4.2.5变换矩阵4.3阶数设定的统计量4.3.1降秩检验4.4求解kronecker指数4.4.1应用4.5求解标量分量模型4.5.1标量分量模型的含义4.5.2可交换标量分量模型4.5.3求解标量分量 4.5.4应用4.6估计4.6.1kronecker指数方法的解释4.6.2scm方法的解释4.7例子4.7.1scm方法4.7.2kronecker指数方法4.7.3讨论和比较4.8附录：典型相关分析 练习参考文献第5章单位根非平稳过程5.1一元单位根过程5.1.1动机5.1.2平稳单位根5.1.3ar(1)模型5.1.4ar(p)模型5.1.5ma(1)模型5.1.6单位根检验5.1.7例子5.2多元单位根过程5.2.1等价模型表示法5.2.2单位根var过程5.3伪回归5.4多元变量指数平滑过程5.5协整关系5.5.1一个协整的例子5.5.2协整性的一些说明5.6误差修正模型5.7协整向量的含义5.7.1确定性项的含义5.7.2移动平均表示法的含义5.8协整向量的参数化5.9协整检验5.9.1var模型5.9.2确定性项的设定5.9.3似然比检验小结5.9.4对var模型的协整检验5.9.5案例5.9.6varma模型的协整检验5.10误差修正模型的估计5.10.1var模型5.10.2简化回归模型5.10.3varma模型5.11应用5.12讨论5.13附录练习参考文献第6章因子模型和其他问题 6.1季节模型 6.2主成分分析 6.3外生变量的运用 6.3.1varx模型6.3.2回归模型6.4缺失值 6.4.1完全缺失 6.4.2部分缺失 6.5因子模型6.5.1正交因子模型6.5.2近似因子模型6.5.3扩散指数模型6.5.4动态因子模型6.5.5约束因子模型6.5.6渐近主成分分析6.6分类和聚类分析6.6.1聚类分析6.6.2贝叶斯估计6.6.3马尔科夫链蒙特卡洛法练习参考文献 第7章多元波动率模型7.1条件异方差检验7.1.1混成检验7.1.2基于秩的检验7.1.3模拟7.1.4应用7.2多元波动率模型估计7.3波动率模型的诊断检验7.3.1ling和li 统计量7.3.2tse统计量7.4指数加权移动平均7.5bekk模型7.5.1讨论7.6cholesky分解和波动率建模7.6.1波动率建模7.6.2应用7.7动态条件相关模型7.7.1建立dcc模型的过程7.7.2例子7.8正交变换7.8.1go��garch模型7.8.2动态正交分量7.8.3doc存在性检验7.9基于copula函数模型7.9.1copula函数7.9.2高斯和t��copula函数7.9.3多元波动率建模7.10主波动成分练习参考文献附录a数学与统计学