译者序
前言
第1章 金融数据的性质
1.1 金融时间序列
1.1.1 自相关系数
1.1.2 平稳性
1.1.3 时间尺度和数据加总
1.2 金融资产和市场
1.2.1 市场和监管机构
1.2.2 利息
1.2.3 资产收益率
1.2.4 股票价格、公平市场价值
1.2.5 股票分割、股利和资本收益
1.2.6 指数和“市场”
1.2.7 衍生资产
1.2.8 空头头寸
1.2.9 资产的投资组合：分散和对冲
1.3 收益率的频率分布
1.3.1 位置和尺度
1.3.2 偏度
1.3.3 峰度
1.3.4 多元数据
1.3.5 正态分布
1.3.6 q-q图
1.3.7 异常值
1.3.8 其他统计度量方法
1.4 波动率
1.4.1 收益率的时间序列
1.4.2 度量波动率：历史波动率和隐含波动率
1.4.3 波动率指数：VIX
1.4.4 隐含波动率曲线
1.4.5 风险评估与管理
1.5 市场动态
1.6 关于金融数据的典型事实
注释和深入阅读
练习和复习题
附录A1：使用R获取和分析金融
数据
第2章 金融数据的探索性分析
2.1 数据缩减
2.1.1 简单概括统计量
2.1.2 数据中心化和标准化
2.1.3 多元数据的简单概括统计量
2.1.4 变换
2.1.5 识别异常观察值
2.2 经验累积分布函数
2.3 概率密度的非参数估计
2.3.1 分箱数据
2.3.2 核密度估计
2.3.3 多元核密度估计量
2.4 探索性分析中的图形法
2.4.1 时间序列图
2.4.2 直方图
2.4.3 箱线图
2.4.4 密度图
2.4.5 二元数据
2.4.6 q-q图
2.4.7 R中的图形
注释和深入阅读
练习
第3章 可观察事件模型使用的概率分布
3.1 随机变量和概率分布
3.1.1 离散随机变量
3.1.2 连续随机变量
3.1.3 随机变量的线性组合：期望和分位数
3.1.4 生存函数和风险函数
3.1.5 多元分布
3.1.6 多元分布中变量之间的相关性
3.1.7 连接函数
3.1.8 多元随机变量的变换
3.1.9 顺序统计量的分布
3.1.10 渐近分布：中心极限定理
3.1.11 概率分布的尾部
3.1.12 随机变量序列：随机过程
3.1.13 股票价格的扩散过程与期权定价
3.2 一些有用的概率分布
3.2.1 离散分布
3.2.2 连续分布
3.2.3 多元分布
3.2.4 对建模有用的一般分布族
3.2.5 构造多元分布
3.2.6 数据生成过程建模
3.2.7 概率分布的R函数
3.3 随机变量的模拟
3.3.1 均匀随机数
3.3.2 生成非均匀随机数
3.3.3 在R中模拟数据
注释和深入阅读
练习
第4章 统计模型与推断方法
4.1 统计模型
4.1.1 拟合统计模型
4.1.2 变差的度量和分解
4.1.3 线性模型
4.1.4 非线性方差稳定化变换
4.1.5 参数模型和非参数模型
4.1.6 贝叶斯模型
4.1.7 时间序列模型
4.2 统计建模的标准与方法
4.2.1 估计量及其性质
4.2.2 统计建模方法
4.3 统计建模的优化：最小二乘法和最大似然估计法
4.3.1 一般优化问题
4.3.2 最小二乘法
4.3.3 最大似然法
4.3.4 处理优化问题的R函数
4.4 统计推断
4.4.1 置信区间
4.4.2 检验统计假设
4.4.3 预测
4.4.4 贝叶斯模型推断
4.4.5 再抽样方法：自助法
4.4.6 稳健统计方法
4.4.7 尾部指数的估计
4.4.8 风险值和预期损失的估计
4.5 描述变量之间关系的模型
4.5.1 主成分
4.5.2 回归模型
4.5.3 线性回归模型
4.5.4 线性回归模型：回归变量
4.5.5 线性回归模型：单个观察值和残差
4.5.6 线性回归模型：例子
4.5.7 非线性模型
4.5.8 在R中指定模型
4.6 评估模型的充分性
4.6.1 拟合优度检验；正态性检验
4.6.2 交叉验证
4.6.3 模型选择和模型复杂性
注释和深入阅读
练习
第5章 离散时间序列模型及分析
5.1 基本线性运算
5.1.1 后移算子
5.1.2 差分算子
5.1.3 积分算子
5.1.4 无限几何序列求和
5.1.5 线性差分方程
5.1.6 趋势和去趋势
5.1.7 周期和季节性调整
5.2 离散时间序列模型分析
5.2.1 平稳性
5.2.2 样本自协方差和自相关函数：平稳性和估计
5.2.3 平稳时间序列中的统计推断
5.3 自回归和移动平均模型
5.3.1 移动平均模型：MA（q）
5.3.2 自回归模型：AR（p）
5.3.3 偏自相关函数
5.3.4 ARMA和ARIMA模型
5.3.5 ARMA和ARIMA模型的模拟
5.3.6 ARMA和ARIMA模型的统计推断
5.3.7 ARIMA模型阶数选择
5.3.8 ARIMA模型预测
5.3.9 R中ARMA和ARIMA模型的分析
5.3.10 ARMA过程的稳健性：服从案”厚
展开
