周少甫，湖北天门人。1985年毕业于华中师范大学数学系，获理学学士学位；1994年毕业于武汉大学数学系，获概率统计专业硕士学位：2000年毕业于华中科技大学数学系，获概率统计专业博士学位。现为华中科技大学经济学院副教授。近五年来，在《数量经济技术经济研究》、《统计研究》、《公共管理学报》、《中国人口资源与环境》等学术刊物上发表论文十余篇；承担国家自然科学基金项目2项，主持省部级社科基金项目1项。主要研究方向：数量经济学、金融计量和金融工程。

    《金融波动理论、方法及其应用》系统地论述了金融时间序列波动性模型的理论、方法和实际应用。自20世纪80年代以来，自回归条件异方差（ARCH）类模型、随机波动（SV）类模型和Copula模型是广泛应用于金融时间序列波动性分析的三类重要模型。本书结合这三类模型实证研究了我国沪、深股市波动的本质特征及影响因素；探讨了沪、深股市与其他股市的联动效应；编制开发了适合我国金融市场现状的波动指数（VIX），并借助Copula理论和方法建模分析了该波动指数的四个主要市场功能，验证了该波动指数的合理性、适用性和科学性。《金融波动理论、方法及其应用》可作为数量经济学研究人员、经济和金融工作者的业务参考书，亦可作为数量经济学、统计和金融工程等领域研究生的教学参考书。

第1章 绪论
1.1 研究背景与意义
l.1.1 选题背景
1.1.2 波动率的基本特性
1.1.3 我国股票市场的发展状况
1.1.4 研究意义
1.2 文献综述
1.2.1 广义自回归条件异方差模型和随机波动率模型
1.2.2 波动指数的理论和Copula技术
1.3 结构安排与主要工作
1.3.1 结构安排
1.3.2 主要创新

第2章 多元GARCH模型
2.1 几种常用的多元GARCH模型
2.1.1 多元GARCH模型
2.1.2 对角多元GARCH模型
2.1.3 BEKK模型
2.1.4 CCG-多元GARCH模型
2.1.5 DCC_多元GARCt{模型
2.2 树结构多元GARCH模型的贝叶斯分析
2.2.1 树结构多元GARCH模型及其先验描述
2.2.2 树结构多元GARCH模型的贝叶斯推断
2.2.3 贝叶斯模型平均
2.3 实证分析
2.3.1 沪、深、港三地股票市场数据的特征
2.3.2 树结构模型构建及实证结果
2.4 本章小结

第3章 随机波动模型
3.1 基本波动模型及其扩展
3.1.1 基本的随机波动模型
3.1.2 带厚尾的随机波动模型
3.1.3 受外生因素影响的随机波动模型
3.1.4 门限随机波动模型（THSV）
3.1.5 长记忆性的随机波动模型
3.1.6 连续时间的随机波动模型
3.2 随机波动模型的估计
3.2.1 一般随机波动模型的MCMC估计
3.2.2 其他估计方法
3.3 实证分析
3.3.1 上海、深圳股市指数收益的杠杆效应
3.3.2 多元长记忆SV模型及其在沪深股市的应用
3.4 本章小结

第4章 波动的非对称性溢出效应分析
4.1 ASVDJ模型介绍
4.1.1 基于ASVDJ模型的波动率估计
4.1.2 牛熊态势划分方法
4.1.3 模型数据来源及说明
4.2 消息冲击对股市波动影响的实证研究
4.2.1 初始值和数据输入
4.2.2 算法及估计结果
4.2.3 结果分析
4.2.4 ASV模型和EGARCH模型的比较
4.2.5 行为金融学解释
4.3 GC-MSV模型介绍
4.3.1 沪深300股指期货合约
4.3.2 GG-MSV模型估计
4.3.3 数据来源和说明
4.4 股指期货对股市波动溢出效应分析
4.4.1 先验分布模型算法
4.4.2 波动溢出效应检验
4.4.3 模型估计结果
4.5 本章小结

第5章 波动指数理论
5.1 VIX指数简介
5.1.1 VIX指数的编制方式
5.1.2 VIx指数的用途
5.1.3 总结与启示
5.2 我国波动指数编制方案
5.2.1 波动指数编制指标选择
5.2.2 波动指数编制方案设计
5.3 已实现波动率估计
5.3.1 已实现波动率简介
5.3.2 已实现波动率的自相关修正法
5.3.3 超高频数据的序列相关性分析
5.4 我国波动指数CV序列实证分析
5.4.1 长记忆性研究概述
5.4.2 波动指数统计特征分析
5.4.3 基于长记忆性建模与预测
5.4.4 波动指数序列长记忆性建模分析
5.5 本章小结

第6章 波动指数的相关性分析
6.1 波动指数的功能
6.1.1 市场情绪的评定标准
6.1.2 投资决策的参考指标
6.2 Copula模型介绍
6.2.1 Copula函数的定义
6.2.2 Copula函数的基本性质
6.2.3 Copula函数的分类
6.2.4 Copula函数的估计与选择
6.3 Copula理论相关性测度及其应用
6.3.1 Copula理论的相关性测度
6.3.2 尾部相依性与Copula函数
6.4 波动指数与股指收益同期相关性实证分析
6.4.1 数据
6.4.2 实证分析
6.4.3 模型估计结果的评价
6.4.4 波动指数预测功能评估——基于均值一方差模型
6.5 动态条件Copula模型波动指数预测功能检验
6.5.1 动态条件Copula理论
6.5.2 动态条件Copula模型的分类
6.5.3 动态条件Copula在金融分析上的应用
6.5.4 波动指数与股指收益率间的相关性分析——基于动态Copula模型
6.6 本章小结