金融時(shí)間序列建模分析

1導(dǎo)言
§1．1問題的提出與研究思路
§1．2結(jié)構(gòu)安排和主要內(nèi)容
2高頻金融時(shí)序統(tǒng)計(jì)特征與投資主體行為分析
§2．1前言
§2．2高頻時(shí)間序列統(tǒng)計(jì)特征
§2．3投資主體行為分析
§2．3．1密度函數(shù)的肥尾性、分布的非正態(tài)性和序列的非獨(dú)立性
§2．3．2波動集束現(xiàn)象
§2．3．3條件方差時(shí)變性
§2．3．4長記憶性
§2．3．5尖峰現(xiàn)象
§2．4淺議傳統(tǒng)與現(xiàn)代建模方法
§2．4．1傳統(tǒng)建模的設(shè)定及其局限性
§2．4．2現(xiàn)代建模方法
3肥尾度量與風(fēng)險(xiǎn)刻畫
§3．1引言
§3．2肥尾描述
§3．2．1肥尾定義
§3．2．2 QQ散點(diǎn)圖的基本思想
§3．2．3 t、skewed－t和GED分布的尾部特征
§3．3極值理論基礎(chǔ)
§3．3．1極值類型定理
§3．3．2尾指數(shù)估計(jì)量
§3．4尾指數(shù)估計(jì)與檢驗(yàn)
§3．4．1塊最大值法
§3．4．2廣義Pareto分布法
§3．4．3 POT法
§3．5三收益率尾指數(shù)估計(jì)
§3．5．1三收益率尾指數(shù)的初步估計(jì)
§3．5．2三收益率尾指數(shù)的估計(jì)與檢驗(yàn)
§3．6風(fēng)險(xiǎn)值的估計(jì)與預(yù)測
§3．6．1風(fēng)險(xiǎn)值的估計(jì)
§3．6．2風(fēng)險(xiǎn)值的一步預(yù)測
§3．6．3 shr96時(shí)序風(fēng)險(xiǎn)值的估計(jì)與預(yù)測圖
4長記憶參數(shù)估計(jì)
§4．1前言
§4．2長記憶參數(shù)d的估計(jì)
§4．3 shr96和szr96時(shí)序的長記憶參數(shù)估計(jì)
§4．4 ARFIMA模型長記憶參數(shù)的模擬比較
§4．5對長記憶參數(shù)估計(jì)的進(jìn)一步思考
5時(shí)間序列平穩(wěn)性檢驗(yàn)
§5．1前言
§5．2時(shí)間序列平穩(wěn)性檢驗(yàn)的意義
§5．2．1偽回歸現(xiàn)象
§5．2．2偽回歸的統(tǒng)計(jì)特征
……
6具有GARCH-error的單位根檢驗(yàn)
7GARCH模型分析與應(yīng)用
附錄1 LM、LR和Wald檢驗(yàn)
附錄2 信息準(zhǔn)則
附錄3 分整時(shí)序隨機(jī)數(shù)生成程序
附錄4 動態(tài)ADF單位根檢驗(yàn)程度
附錄5 動態(tài)KPSS I(0)平穩(wěn)性檢驗(yàn)程序
附錄6 具有GARCH-skew-t error單位根檢驗(yàn)程序
§F．1臨界值的隨機(jī)模擬程序
§F. 2有效性及實(shí)際顯著水平的隨機(jī)模擬程序
參考文獻(xiàn)
致謝