1 導論 1.1 什么是計量經濟學？ 1.2 “金融計量經濟學”和“經濟計量經濟學”的區別 1.3 數據類型 1.4 金融模型中的收益率 1.5 構建計量經濟模型的步驟 1.6 在閱讀實證金融文獻時需要考慮的幾個要點 1.7 關于貝葉斯統計 1.8 EViews簡介 1.9 延伸閱讀 1.10 本書其余部分概要 自測題 2 數學和統計基礎 2.1 函數 2.2 微分學 2.3 矩陣 2.4 概率和概率分布 2.5 描述性統計 自測題 3 經典線性回歸模型概要 3.1 什么是回歸模型 3.2 回歸與相關 3.3 簡單回歸 3.4 一些專門術語 3.5 EViews中的簡單線性回歸——估計*優套期保值比率 3.6 經典線性回歸模型下的假定 3.7 OLS估計量的性質 3.8 精確性和標準誤差 3.9 統計推斷導論 3.10 特殊類型的假設檢驗：t比率 3.11 對金融理論進行簡單的t檢驗——美國共同基金能跑贏市場嗎？ 3.12 英國的單位信托經理們能打敗市場嗎？ 3.13 過度反應假設和英國股票市場 3.14 確切的顯著性水平 3.15 EViews中的假設檢驗——例1：重估套期保值比率 3.16 EViews中的假設檢驗——例2：CAPM 附錄：CLRM結果的數學推導 自測題 4 對經典線性回歸模型的進一步探討 4.1 從簡單模型推廣到多元線性回歸模型 4.2 常數項 4.3 在多元回歸中如何計算參數（β向量中的元素）？ 4.4 檢驗多重假設：F檢驗 4.5 對樣本進行多重假設檢驗的EViews輸出結果 4.6 運用APT類模型在EViews中進行多元回歸 4.7 數據挖掘和真實的檢驗規模 4.8 擬合優度統計量 4.9 特征價格模型 4.10 對于非嵌套假設的檢驗 4.11 分位數回歸 附錄4.1 CLRM結果的數學推導 附錄4.2 對因子模型和主成分分析法的簡單介紹 自測題 5 經典線性回歸模型的假設和診斷檢驗 5.1 引言 5.2 診斷檢驗的統計分布5.3 假定1：E(ut)=0 5.4 假定2：var(ut)=σ2<∞ 5.5 假定3：對于i≠j，cov(ui,uj)=0 5.6 假定4：xt非隨機 5.7 假定5：擾動項服從正態分布 5.8 多重共線性 5.9 函數形式錯誤 5.10 忽略重要變量所帶來的問題 5.11 包含無關變量的情況 5.12 參數穩定性檢驗 5.13 測量誤差 5.14 構建計量經濟學模型的策略以及對建模理念的探討 5.15 確定主權信用評級 自測題 6 單變量時間序列建模與預測6.1 引言 6.2 一些術語和概念6.3 移動平均過程6.4 自回歸過程6.5 偏自相關函數 6.6 ARMA過程 6.7 建立ARMA模型：Box-Jenkins方法6.8 在EViews中建立ARMA模型6.9 金融時間序列建模6.10 指數平滑6.11 計量經濟學中的預測6.12 在EViews中運用ARMA模型進行預測 6.13 用EViews估計指數平滑模型自測題7 多元模型 7.1 動機7.2 聯立方程偏差7.3 如何有效估計聯立方程模型？7.4 可以從π中獲得初始系數值嗎？7.5 金融學中的聯立方程7.6 外生性的定義7.7 三元系統7.8 聯立方程系統的估計步驟7.9 聯立方程模型在買賣價差和交易活動建模中的應用 7.10 EViews中的聯立方程建模7.11 向量自回歸模型7.12 VAR模型中應該包含同期項嗎？7.13 分塊顯著性檢驗和因果關系檢驗7.14 包含外生變量的VAR模型7.15 脈沖響應和方差分解 7.16 VAR模型應用實例：資產收益率和宏觀經濟的相互影響7.17 EViews中的VAR模型估計自測題8 金融領域中的長期關系建模8.1 平穩性和單位根檢驗8.2 存在結構突變時的單位根檢驗8.3 用EViews進行單位根檢驗8.4 協整8.5 誤差校正模型8.6 檢驗回歸中的協整：一種基于殘差的方法8.7 協整系統中的參數估計方法8.8 期貨市場和現貨市場的領先—滯后及長期關系8.9 運用基于VAR的Johansen技術來檢驗和估計協整系統8.10 購買力平價8.11 國際債券市場間的協整8.12 檢驗利率期限結構的預期假說8.13 用EViews檢驗協整并為協整系統建模自測題9 波動率和相關性建模9.1 動機：進入非線性領域9.2 波動率模型9.3 歷史波動率9.4 隱含波動率模型9.5 指數加權移動平均模型9.6 自回歸波動率模型9.7 自回歸條件異方差模型9.8 廣義ARCH（GARCH）模型9.9 估計ARCH/GARCH模型9.10 基本GARCH模型的擴展9.11 非對稱GARCH模型9.12 GJR模型9.13 EGARCH模型9.14 在EViews中估計GJR和EGARCH9.15 檢驗波動非對稱性9.16 GARCH-M模型9.17 運用GARCH類模型預測波動率9.18 檢驗非線性約束或非線性模型假設9.19 波動率預測：文獻中的一些例子及結果9.20 回顧隨機波動模型9.21 預測協方差和相關性9.22 金融中的協方差建模與預測：幾個例子9.23 簡單協方差模型 9.24 多元GARCH模型9.25 直接相關模型9.26 對基本多元GARCH模型的拓展9.27 帶有時變協方差的CAPM多元GARCH模型9.28 估計FTSE指數收益率的時變套期保值比率9.29 多元隨機波動模型9.30 用EViews估計多元GARCH模型附錄：基于極大似然方法的參數估計自測題10 轉換模型10.1 動因10.2 金融市場中的季節性：簡介與文獻綜述10.3 對金融數據中的季節效應建模10.4 估計簡單分段線性函數 10.5 馬爾科夫轉換模型10.6 實際匯率的一個馬爾科夫轉換模型10.7 馬爾科夫轉換模型的應用：金邊債券與股票的收益率之比10.8 用EViews估計馬爾科夫轉換模型10.9 門檻自回歸模型10.10 估計門檻自回歸模型10.11 馬爾科夫轉換模型和門檻自回歸模型中的設定檢驗：一個忠告10.12 法國法郎——德國馬克匯率的SETAR模型10.13 FTSE100指數及其股指期貨市場的門檻模型10.14 關于機制轉換模型和預測精度自測題 11 面板數據 11.1 什么是面板技術及如何使用這一技術？11.2 面板技術11.3 固定效應模型11.4 時間固定效應模型11.5 用固定效應模型來考察銀行業競爭問題11.6 隨機效應模型11.7 運用面板數據研究中歐和東歐銀行業信用的穩定性 11.8 在EViews中估計面板模型11.9 面板單位根檢驗和面板協整檢驗11.10 延伸閱讀自測題12 受限因變量模型12.1 簡介與動機 12.2 線性概率模型 12.3 Logit模型12.4 用Logit模型檢驗啄食順序假說12.5 Probit模型12.6 如何在Logit模型和Probit模型中做出選擇？ 12.7 估計受限因變量模型12.8 衡量線性因變量模型的擬合優度12.9 多項線性因變量12.10 重溫啄食順序假說——在不同融資方式間做出選擇12.11 排序響應線性因變量模型12.12 被動評級是向下有偏的嗎？一個排序Probit分析 12.13 審查因變量和截斷因變量 12.14 用EViews估計受限因變量模型自測題附錄：Logit模型和Probit模型的極大似然估計量13 模擬方法 13.1 動機13.2 蒙特卡洛模擬13.3 方差縮減技術13.4 自舉法13.5 隨機數生成器13.6 模擬方法在解決計量經濟或金融問題時的缺陷 13.7 計量經濟學中的蒙特卡洛模擬：導出DF檢驗的臨界值 13.8 實例：模擬期權定價13.9 實例：運用自舉法計算風險資本要求自測題14 金融學實證分析、課題研究和論文撰寫14.1 實證研究的概念和目的14.2 選題14.3 是在資助下進行研究還是開展獨立研究？ 14.4 研究提綱14.5 網絡上的工作論文和文獻14.6 關于獲取數據14.7 關于選擇計算機軟件14.8 關于方法14.9 事件研究法 14.10 檢驗CAPM和Fama-French方法14.11 關于論文結構14.12 論文的表達方式問題附錄1 本書中用到的數據來源附錄2 統計分布表術語表參考文獻譯后記