内容简介

本书讲述定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。本书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。第二部分讲述定量金融中的高级课题，并试图通过实质—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。

本书曾作为金融数学(工程)和计算(数理)金融硕士项目的统计建模课程的教材。我们也推荐那些已经从事金融行业的定量分析师，如果希望对实际中广泛应用的统计方法进行深入的学习， 将本书作为自学材料。同时，本书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, 因此也可用于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。

作品目录

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boolstrap方法

1．6．1 代入(plug-in)原则和bootstrap重新抽样方法

1．6．2 Booistrapping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

第三章 基本投资模型及其统计分析

第四章 参数模型与贝叶斯方法

第五章 时间序列建模与预报

第六章 资产收益率及其波动率的动态模型

第二部 分数量金融的高等课题

第七章 非参回归和实质一经验模型

第八章 期权定价理论和市场数据

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