1 金融時間序列及其特征
1.1 資產收益率
1.2 收益率的分布性質
1.2.1 統計分布及其矩的回顧
1.2.2 收益率的分布
1.2.3 收益率的經驗性質
1.3 Eviews軟件相關操作
1.3.1 簡介
1.3.2 啟動軟件包
1.3.3 創建工作文件
1.3.4 輸入和編輯數據
1.3.5 查看序列的數據特征
1.4 習題
2 線性時間序列分析及其應用
2.1 平穩性
2.2 自相關函數
2.3 自回歸模型
2.3.1 AR模型及性質
2.3.2 實際中怎樣識別AR模型
2.3.3 擬合優度
2.3.4 預測
2.4 移動平均模型
2.4.1 MA模型的性質
2.4.2 識別MA的階
2.4.3 估計
2.4.4 用MA模型預測
2.5 ARMA模型
2.5.1 ARMA(1,1)模型的性質
2.5.2 一般的ARMA模型
2.5.3 識別ARMA模型
2.5.4 用ARMA模型預測
2.5.5 ARMA模型的三種表示
2.6 單位根非平穩時間序列
2.6.1 隨機遊動
2.6.2 帶漂移的隨機遊動
2.6.3 帶趨勢項的時間序列
2.6.4 單整與單位根非平穩模型
2.6.5 非平穩序列的單位根檢驗
2.6.6 DGP識別
2.6.7 Eviews相關操作
2.7 帶時間序列誤差的回歸模型
2.8 異方差性和自相關一致協方差估計
2.9 習題
3 條件異方差模型
3.1 波動率的特征與模型的結構
3.2 ARCH模型
3.2.1 ARCH模型的結構
3.2.2 ARCH模型的性質
3.2.3 ARCH效應的檢驗
3.2.4 ARCH模型的建立
3.2.5 例子
……
4 非線性模型及其應用
5 風險值與分位數估計
6 神經網絡
7 支持向量機
8 生存數據與變量類型
9 基本函數和參數模型
10 估計基本特征函數的非參數方法
11 比較生存函數的非參數方法
12 比例危險率模型
參考文獻