黎子良（1945-），香港大学本科毕业，1972年获美国哥伦比亚大学统计学博士学位。现为美国斯坦福大学教授。1983年获国际统计学界的考普斯“总统奖”。黎子良教授的主要研究领域包括序列实验、自适应设计和控制、随机最优化、时间序列和预测、变点监测、隐马尔可夫模型和粒子滤波、经验贝叶斯模型、多元生存分析、概率理论和随机过程、生物统计、计量经济学、定量金融和风险控制。
　　邢海鹏（1976-），南开大学本科毕业，2005年获斯坦福大学统计学博士学位。现为纽约州立大学石溪分校助理教授。邢海鹏的主要研究领域为定量金融、多变点检测分析及其在计量经济学、工程及生物学上的应用。

　　《金融市场中的统计模型和方法》讲述数量金融中最重要的统计方法和模型，通过统计建模和统计决策理论将金融理论与市场实务相联系。《金融市场中的统计模型和方法》的第一部分讲述统计的基本背景知识，具体包括线性回归、广义线性回归与非线性回归、多元分析、似然推断与贝叶斯模型，以及时间序列分析，同时讲述这些模型在投资组合理论和资产收益率及波动率动态建模中的应用。第二部分讲述数量金融中的高级课题，并试图通过实质一经验建模方法的引入来填补金融理论和市场实务之间的空白；我们将具体讲述其在期权定价、利率市场、统计交易策略和风险管理中的应用。非参数回归、计量经济学中的高级多元和时间序列方法，以及高频交易数据的相关统计方法也将置于这个框架下进行讲解。
　　《金融市场中的统计模型和方法》曾作为金融数学（工程）和计算（数量）金融硕士项目的统计建模课程的教材。我们也向那些已经从事金融行业的数量分析师推荐，如果希望对实际中广泛应用的统计方法进行深入的学习，将《金融市场中的统计模型和方法》作为自学材料。同时，《金融市场中的统计模型和方法》提供了来自金融市场的具体实例和数据来说明我们所讲述的方法，因此也可作为统计和计量经济学研究生课程的教材，以帮助学生系统地学习回归、多元分析、似然理论与贝叶斯推断、非参数理论和时间序列分析等理论和模型。

译者序
中文版序言
第一部分 基本统计方法和金融应用
第一章 线性回归模型
1.1 普通最小二乘方法(OLS)
1.1.1 残差与残差平方和
1.1.2 投影矩阵的性质
1.1.3 半正定矩阵的性质
1.1.4 普通最小二乘估计的统计性质
1.2 统计推断
1.2.1 置信区间
1.2.2 方差分析(ANOVA)检验
1.3 变量选择
1.3.1 基于检验的变量选择及其他准则
1.3.2 逐步回归选变量法
1.4 回归诊断
1.4.1 残差分析
1.4.2 强影响点的诊断
1.5 推广到随机回归变量模型
1.5.1 最小方差线性预测
1.5.2 期货市场以及采用期货合约对冲
1.5.3 随机回归变量模型中的推断
1.6 回归中的bootstrap方法
1.6.1 代人(plug-in)原则和bootstrap重新抽样方法
1.6.2 Bootstrapping回归模型
1.6.3 Bootstrap置信区间
1.7 广义最小二乘方法
1.8 模型的实现和说明
习题

第二章 多元分析和似然推断
2.1 随机变量的联合分布
2.1.1 变量替换
2.1.2 期望和协方差矩阵
2.2 主成分分析(principle componentanalysis，PCA)
2.2.1 基本定义
2.2.2 主成分的性质
2.2.3 实例分析：美国国债收益率一LIBOR掉期率的主成分分析
2.3 多元正态分布
2.3.1 定义和密度函数
2.3.2 边际分布和条件分布
2.3.3 正交性，独立性及其在回归中的应用
2.3.4 样本协方差阵和Wishart分布
2.4 似然推断
2.4.1 极大似然方法
2.4.2 渐近推断
2.4.3 参数化bootstrap
习题

第三章 基本投资模型及其统计分析
3.1 资产收益率
3.1.1 定义
3.1.2 资产价格和收益率的统计模型
3.2 Ma.rkowitz投资组合选择理论
3.2.1 投资组合权重
3.2.2 有效投资集的几何表示
3.2.3 有效组合的计算
3.2.4 u和∑的估计及实例分析
3.3 资本资产定价理论(cAPM)
3.3.1 模型
3.3.2 在投资中的应用
3.3.3 估计和检验
3.3.4 CAPM的实证分析
3.4 多因子定价理论
3.4.1 套利定价理论
3.4.2 因子分析
3.4.3 主成分分析法
3.4.4 Fama-nench三因子模型
3.5 重新抽样在投资组合管理中的应用
3.5.1 Michaud重新抽样有效前沿
3.5.2 投资绩效的bootstrap估计
习题

第四章 参数模型与贝叶斯方法
4.1 极大似然及广义线性模型
4.1.1 计算MLE的数值方法
4.1.2 广义线性模型
4.2 非线性回归模型
4.2.1 高斯一牛顿算法
4.2.2 统计推断
4.2.3 实现和实例
4.3 贝叶斯推断
4.3.1 先验分布和后验分布
4.3.2 贝叶斯方法
4.3.3 多元正态均值和协方差阵的贝叶斯估计
4.3.4 高斯回归模型中的贝叶斯估计
4.3.5 经验贝叶斯估计和压缩估计
4.4 压缩估计和贝叶斯方法在投资中的应用
4.4.1 代入估计有效前沿下u和∑的压缩估计
4.4.2 另一种贝叶斯方法
习题

第五章 时间序列建模与预报
5.1 平稳时间序列分析
5.1.1 弱平稳
5.1.2 独立性检验
5.1.3 Wold分解与MA、AR和ARMA模型
5.1.4 ARMA模型中的预报
5.1.5 参数的估计和阶数的确定
5.2 非平稳时间序列分析
5.2.1 去除趋势项
5.2.2 实例分析
5.2.3 变换和差分
5.2.4 单位根非平稳和A砌MA模型
5.3 线性状态空间模型和卡尔曼滤波

习题
第六章 资产收益率及其波动率的动态模型
6.1 资产收益率时间序列的特征事实
6.2 时变波动率的移动平均估计
6.3 条件异方差模型
6.3.1 ARCH模型
6.3.2 GARCH模型
6.3.3 单整GARCH模型
6.3.4 指数GA：RCH模型
6.4 ARMA—GARCH模型和ARMA—EGARCH模型
6.4.1 未来收益率和波动率的预报
6.4.2 模型的实现和说明

第二部分 数量金融的高等课题
第七章 非参回归和实质——经验模型
第八章 期权价理合市场数据
第九章 金融计量中的高级多元和时间序列方法
第十章 利率市场
第十一章 统计交易策略
第十二章 风险管理中的统计方法
附录
参考文献
索引