金融定量分析与S-Plus运用

第1章 S-Plus的基本使用方法1.1 S-Plus软件简介1.2 s语言的基本对象1.2.1 向量1.2.2 矩阵1.2.3 因子1.2.4 列表1.2.5 数据框1.3 S语言的基本语法1.3.1 分支语句1.3.2 循环语句1.4 S语言的自编函数1.4.1 工作空间管理1.4.2 参数（自变量）1.4.3 作用域1.5 S-P1us的绘图1.5.1 散点图1.5.2 密度函数的绘制1.5.3 多组数据的图形绘制1.5.4 多图控制1.6 用SPlus读写数据文件1.6.1 文本格式文件的读写方式1.6.2 特定数据源数据的读写方式1.6.3 利用菜单读写数据1.7 数据的基本处理方法S1.7.1 特定数据的选择1.7.2 数据的合并1.7.3 数据的排序1.7.4 数据的筛选第2章 金融时间序列数据的处理方法2.1 时间序列数据2.1.1 "timeSeries"对象2.1.2 "timeSeries"的基本操作2.1.3 "timeDate"对象2.1.4 "timeDate"对象的基本操作2.1.5 递增时间序列的生成方法2.1.6 生成“timeSeries”对象2.1.7 时间序列数据的分组统计2.1.8 时间序列数据的合并2.1.9缺失值的处理方法j2.2 在S-Plus中对时间序列的处理2.2.1 生成滞后和差分.2.2.2 收益率的定义2.2.3 收益率的计算2.2.4 收益率的特征第3章 时间序列数据的回归分析.3.1 最小二乘估计量3.1.1 线性回归模型的矩阵方法：0LS的数值性质3.1.2 回归模型的经典假设：0IS的统计性质3.2 OLS估计量的有限样本性质3.2.1 估计量口的有限样本性质3.2.2 随机扰动项的方差估计量孑的有限样本性质3.2.3 时间序列的有限样本性质3.3 假设检验3.3.1 个别回归系数的假设检验3.3.2 线性约束检验3.3.3 不包括常数项的所有系数的统计显著性：F统计量3.4 违背经典假设数据的问题与处理3.4.1 异方差3.4.2 自相关3.5 使用S Finmetrics函数“0LS”进行时间序列回归第4章 平稳时间序列模型4.1 平稳时间序列的几个重要概念4.1.1 平稳性4.1.2 自相关4.1.3 偏自相关4.2 自回归模型4.2.1 AR（1）模型4.2.2 AR（1）模型的识别特征4.2.3 AR（1）模型的生成程序4.2.4 AR（1）模型的估计4.2.5 AR（2）模型4.2.6 AR（D）模型4.2.7 自回归模型的建模法则4.2.8 自回归模型的预测4.3 移动平均模型4.3.1 MA（1）模型4.3.2 MA（1）模型的识别特征4.3.3 MA（1）模型的生成程序4.3.4 MA（1）模型的估计4.3.5 MA（2）模型4.3.6 MA（q）模型4.3.7 移动平均模型的建模法则4.3.8 移动平均模型的预测4.4 自回归移动平均模型4.4.1 ARMA（1，1）模型4.4.2 ARMA（1，1）的识别特征4.4.3 ARMA（1，1）的生成程序4.4.4 ARMA模型的建模法则4.4.5 自回归移动平均模型的预测第5章 波动率建模5.1 ARCH模型5.1.1 ARCH模型的结构5.1.2 ARCH模型的性质5.1.3 ARCH模型的诊断5.1.4 ARCH模型的估计5.1.5 ARCH模型的预测5.2 GARCt{模型5.2.1 GARCH模型的结构5.2.2 GARCH模型的性质5.2.3 GARCH模型的估计方法5.2.4 GARCH模型的优选5.2.5 CARCH模型的预测5.3 风险效应模型5.3.1 风险效应5.3.2 GARCH—M模型5.3.3 GARCH—M模型的估计5.3.4 GARCH—M模型的预测5.4 杠杆效应模型5.4.1 波动的非对称性5.4.2 杠杆效应的检验5.4.3 EGARCH模型5.4.4 EGARCH模型的估计5.4.5 EGARCH模型的预测5.4.6 TGARCH模型5.4.7 TGARCH模型的估计5.5 含有外生变量的GARcH模型5.5.1 外生变量与GARCH模型5.5.2 含有外生变量的GARCI-{模型估计第6章 非平稳序列与单位根6.1 非平稳序列6.1.1 随机游走6.1.2 带漂移的随机游走6.2 伪回归6.3 DF检验6.3.1 DF检验的基本思想6.3.2 DF统计量的构造6.3.3 蒙特卡洛模拟与DF分布的获取6.3.4 S-Plus中DF检验方法6.4 ADF检验6.4.1 ADF检验的基本概念6.4.2 ADF检验的经验法则6.5 单位根检验的一个实际例子第7章 向量自回归7.1 向量自回归（VAR）模型的构造7.2 VAR模型的残差滞后项表达式7.2.1 VAR模型的估计方法7.2.2 VAR模型滞后阶数的选择7.2.3 VAR模型的稳定性条件7.3 格兰杰因果检验7.3.1 格兰杰因果检验的定义7.3.2 F检验7.3.3 Wald检验7.4 VAR模型的脉冲响应分析7.5 VAR模型预测误差的方差分解7.6 结构向量自回归7.6.1 结构模型还原的识别条件7.6.2 S，VAR模型的一般形式7.6.3 SVAR模型的似然估计7.6.4 长期累积效应约束与BQ分解7.6.5 SVAR模型的脉冲响应函数7.7 结构向量自回归的实例7.7.1 基于VAR（2）的模型7.7.2 基于SVAR（2）的模型第8章 协整与误差修正模型8.1 协整的概念8.1.1 单整8.1.2 协整的定义8.2 两个变量的协整分析8.2.1 协整检验的基本思想8.2.2 误差修正模型8.2.3 E-G两部法8.3 多个变量的协整分析8.3.1 向量的协整8.3.2 Joharon检验参考文献

　　随着现代金融朝着数理化、微观化和工程化的趋势发展，运用模型量化分析金融数据已成为学术研究和实践运用的主流模式，掌握分析技术原理和实现方法已成为金融方向研究人员或金融从业技术人员的基本素质，也是目前高校金融、经济类专业人才培养的必修内容。目前相关书籍可以归为两类：一类属“理论类”，侧重于理论，强调严谨的数学推导；另一类属“应用类”，侧重于运用，强调方法通过软件实现。《金融定量分析与S-Plus运用》力求找到理论与运用的平衡。为了说明原理，有严谨的推导过程，但尽量简洁。在此基础上，重点解析了对应方法在软件中的实现过程。《金融定量分析与S-Plus运用》适合金融专业师生、金融方向研究人员以及金融从业技术人员参考阅读。