●第1章 金融計量學介紹
1.1 金融計量學的含義及建模步驟
1.1.1 金融計量學的含義
1.1.2 金融計量建模步驟
1.2 金融數據的主要類型、特點和來源
1.2.1 金融數據的主要類型
1.2.2 金融數據的特點
1.2.3 金融數據的來源
1.3 收益率的計算
1.3.1 單期收益率
1.3.2 多期收益率
1.4 常用的統計學與概率知識
1.4.1 隨機變量
1.4.2 常用概率分布
1.4.3 假設檢驗
1.4.4 三個常用的檢驗方法
1.5 常用金融計量軟件介紹
1.5.1 常用金融計量軟件簡介
1.5.2 EViews軟件使用介紹及操作步驟簡介
參考文獻
第2章 經典回歸模型及其應用
2.回歸模型及其應用
2.1.1 線性回歸模型
2.1.線性回歸模型的基本假設
2.1.3 普通最小二乘法（參數估計）
2.1.4 最小二乘估計量的性質
2.1.5 案例分析
2.回歸模型及其應用
2.2.線性回歸模型
2.2.線性回歸模型的基本假設
2.2.3 普通最小二乘法（OLS）
2.2.4 普通最小二乘法的性質
2.3 回歸模型的檢驗
2.3.1 擬合優度和R2
2.3.2 變量的顯著性檢驗與t檢驗
2.3.3 方程顯著性與F檢驗
2.3.4 自相關檢驗與DW
2.3.5 AIC準則和Schwarz準則
2.3.6 殘差檢驗與JB統計量
2.3.7 參數的置信區間
2.4 案例分析
2.4.回歸案例分析
2.4.回歸案例分析
參考文獻
第3章 非典型性回歸模型及其應用
3.1 非線性模型轉化為線性模型
3.1.1 模型的類型與變換
3.1.2 案例分析
3.2 異方差性
3.2.1 異方差介紹及產生原因
3.2.2 異方差的後果
3.2.3 異方差檢驗
3.2.4 異方差的修正
3.2.5 案例分析
3.3 自相關
3.3.1 自相關的概念及產生的原因
3.3.2 自相關的後果
3.3.3 序列相關性的識別和檢驗
3.3.4 自相關修正
3.3.5 案例分析
3.4 多重共線性
3.4.1 多重共線性的概念
3.4.2 多重共線性產生的原因
3.4.3 多重共線性的後果
3.4.4 多重共線性檢驗
3.4.5 多重共線性的修正
3.4.6 案例分析
3.5 虛擬變量模型
3.5.1 虛擬變量的引入
3.5.2 模型回歸的結構穩定性檢驗
3.5.3 案例分析（虛擬變量法和鄒氏檢驗法）
3.6 預測
3.6.1 預測的概念
3.6.2 預測原理
3.6.3 預測的類型
3.6.4 預測的評價標準
參考文獻
第4時間序列分析方法
4.1 時間序列的相關概念
4.1.1 平穩性
4.1.2 自協方差
4.1.3 白噪聲過程
4.1.4 Q統計量
4.2 平穩時間序列模型
4.2.1 自回歸模型
4.2.2 移動平均模型
4.2.3 自回歸移動平均模型
4.2.4 案例分析
4.3 非平穩的時間序列分析
4.3.1 兩種類型的非平穩序列
4.3.2 非平穩序列的單位根檢驗
4.3.3 ARIMA模型
4.4 非平穩及長記憶時間序列ARFIMA模型
4.4.1 非平穩時間序列及其分類
4.4.2 長記憶時間序列及特點
4.4.3 長記憶時間序列模型
參考文獻
第5章 向量自回歸模型（VAR）
5.1 VAR模型介紹
5.1.1 VAR模型基本概念
5.1.2 VAR模型的平穩性條件
5.1.3 VAR(p)與VAR(1)轉化
5.1.4 向量自協方差與自相關函數
5.2 VAR模型估計方法與設定
5.2.1 VAR模型的估計方法
5.2.2 VAR模型的設定
5.3 格蘭傑因果關繫檢驗
5.4 脈衝響應函數與方差分解
5.4.1 VAR模型與脈衝響應函數
5.4.2 VAR模型與方差分解
5.4.3 案例分析
5.5 結構VAR（SVAR）模型
5.5.1 兩變量的SVAR模型
5.5.2 多變量的SVAR模型
參考文獻
第6章 協整和誤差修正模型
6.1 協整與協整檢驗
6.1.1 協整的概念
6.1.2 協整檢驗方法
6.2 誤差修正模型（ECM）
6.2.1 誤差修正模型的含義
6.2.2 誤差修正模型的構造
6.2.3 誤差修正模型的估計
6.2.4 案例分析
6.3 Johansen協整檢驗方法
6.3.1 Johansen協整檢驗的基本說明
6.3.2 Johansen協整檢驗的案例分析
6.4 向量誤差修正模型（VECM）
參考文獻
第7章 GARCH 模型分析與應用
7.1 金融時間序列異方差特征
7.2 ARCH模型
7.2.1 ARCH模型的構造
7.2.2 ARCH模型的性質
7.3 GARCH模型
7.3.1 GARCH模型的構造
7.3.2 GARCH模型的性質
7.3.3 GARCH模型的檢驗與估計
7.4 GARCH類模型的擴展
7.4.1 IGARCH模型
7.4.2 GARCH-M模型
7.4.3 TGARCH模型
7.4.4 EGARCH模型
7.4.5 PGARCH模型
7.4.6 CGARCH模型
7.4.7 FIGARCH模型
7.5 GARCH類模型應用
7.5.1 案例對人民幣彙率建模研究
7.5.2 案例2：上證綜指波動建模
7.6 向量GARCH模型
7.6.1 向量ARCH模型
7.6.2 向量GARCH模型
7.6.3 對角向量GARCH模型
7.6.4 BEKK模型
7.6.5 常相關向量GARCH模型
7.6.6 K因子向量ARCH模型
7.6.7 向量FIGARCH模型
7.6.8 幾種向量GARCH模型的比較
7.6.BEKK？GARCH模型實證分析
7.7 隨機波動模型(SV)
7.7.1 SV模型
7.7.2 向量SV模型
7.7.SV模型實證分析
7.7.4 向量SV模型實證分析
參考文獻
第8章 資產定價模型的實證研究
8.1 CAPM理論
8.2 CAPM實證檢驗方法
8.2.1 布萊克？詹森？斯科爾斯(Black Jenson Scholes)方法
8.2.2 法馬？麥克白(Fama MacBeth)方法
8.3 中國股市CAPM實證檢驗
8.3.1 根據β值分組對CAPM的時間序列檢驗
8.3.2 根據β值分組對CAPM的橫截面檢驗
8.4 三因素資本資產定價模型及其實證檢驗
8.4.1 三因素資本資產定價模型
8.4.2 三因素模型在上海股票市場的實證檢驗
參考文獻
第9章 有效市場假說與事件研究法
9.1 有效市場假說的主要觀點
9.1.1 有效市場假說
9.1.2 市場有效性的三種狀態
9.1.3 有效市場假說的實踐意義
9.1.4 隨機遊走的設定
9.2 有效市場假說的實證檢驗
9.2.1 弱式有效市場假說檢驗方法
9.2.2 半強式有效市場假說的檢驗
9.2.3 強式有效市場假說的檢驗
9.2.4 中國證券市場有效性實證檢驗回顧
9.2.5 案例分析：中國股市有效性檢驗
9.3 事件研究法介紹
9.3.1 事件研究概述
9.3.2 事件研究法的步驟
9.4 事件研究法案例分析
9.4.1 案例1分析
9.4.2 案例2分析
參考文獻
第10章 風險度量方法及應用
10.1 金融市場風險概述
10.1.1 風險分類
10.1.2 金融風險管理的程序
10.1.3 風險管理的意義
10.2 金融風險度量方法
10.2.1 VaR方法
10.2.2 CVaR方法和ES方法
10.2.3 案例分析
參考文獻
第11章 金融高頻數據分析及應用
11.1 金融高頻數據特征分析
11.1.1 金融高頻數據概念
11.1.2 金融高頻數據的主要特征
11.2 波動率建模及應用
11.2.1 波動率度量方法
11.2.2 跳躍檢驗方法
11.2.3 波動率模型
11.2.4 模型評價
11.2.5 案例分析
參考文獻
附錄：統計分布表
