中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
金融教材譯叢金融計量經濟學基礎:工具.概念和資產管理應用/(美)弗蘭克.J.法博齊 版權信息
- ISBN：9787111634584
- 條形碼：9787111634584 ; 978-7-111-63458-4
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
金融教材譯叢金融計量經濟學基礎:工具.概念和資產管理應用/(美)弗蘭克.J.法博齊 本書特色
隨著數量金融專業的不斷興起，金融計量經濟學在金融領域的應用變得十分重要，它可以提供分析模型用以確定復雜的金融產品結構，也可以用來估值和進行風險評估。本書涵蓋金融計量經濟學的常用技術，避免使用不必要的數學和統計模型分析，且強調基礎理論和應用。本書主要討論了回歸分析模型、因子分析、風險分析和時間序列分析。另外，本書也配套了教學資源，讀者可以在上面查到大量的真實案例和*新的研究內容，比如信貸得分、對沖固定收益證券、平衡資產組合等等。
金融教材譯叢金融計量經濟學基礎:工具.概念和資產管理應用/(美)弗蘭克.J.法博齊 內容簡介
隨著數量金融專業的不斷興起，金融計量經濟學在金融領域的應用變得十分重要，它可以提供分析模型用以確定復雜的金融產品結構，也可以用來估值和進行風險評估。本書涵蓋金融計量經濟學的常用技術，避免使用不必要的數學和統計模型分析，且強調基礎理論和應用。本書主要討論了回歸分析模型、因子分析、風險分析和時間序列分析。另外，本書也配套了教學資源，讀者可以在上面查到大量的真實案例和*新的研究內容，比如信貸得分、對沖固定收益證券、平衡資產組合等等。
金融教材譯叢金融計量經濟學基礎:工具.概念和資產管理應用/(美)弗蘭克.J.法博齊 目錄
譯者序
前言
致謝
關于作者
第1章 導論1
學習目標1
1.1 金融計量經濟學的步驟2
1.1.1 模型選擇2
1.1.2 模型估計3
1.1.3 模型檢驗4
1.2 數據生成過程5
1.3 金融計量經濟學在投資管理領域的應用6
1.3.1 資產配置6
1.3.2 投資組合的構建7
1.3.3 投資組合的風險管理8
要點回顧10
第2章 簡單線性回歸12
學習目標12
2.1 相關性的作用12
2.2 回歸模型：兩個變量之間的線性函數關系14
2.3 回歸模型的分布假設15
2.4 回歸模型的估計17
2.5 模型的擬合優度20
2.6 簡單線性回歸在金融領域的兩個應用22
2.6.1 估計共同基金的特征線22
2.6.2 控制股票投資組合的風險26
2.7 非線性關系的線性回歸33
要點回顧34
第3章 多元線性回歸模型36
學習目標36
3.1 多元線性回歸模型概述36
3.2 多元線性回歸模型的假設37
3.3 模型參數的估計38
3.4 模型設計40
3.5 診斷檢驗及模型顯著性40
3.5.1 模型的顯著性檢驗41
3.5.2 自變量顯著性的檢驗43
3.5.3 新增變量的F檢驗43
3.6 多元線性回歸在金融領域的應用44
3.6.1 久期的估計44
3.6.2 預測10年期國債收益率52
3.6.3 基準的選擇：夏普基準59
3.6.4 基于收益率的對沖基金投資風格分析61
3.6.5 抵押市場的溢價／折價分析63
3.6.6 強式定價效率檢驗65
3.6.7 資本資產定價模型的檢驗67
3.6.8 多因子模型的證明69
要點回顧70
第4章 建立和檢驗多重線性回歸模型72
學習目標72
4.1 多重線性問題72
4.2 建模技術75
4.2.1 逐步包含回歸方法76
4.2.2 逐步排除回歸方法77
4.2.3 標準的逐步回歸方法77
4.2.4 逐步回歸方法的應用77
4.3 多元線性回歸模型的假設檢驗78
4.3.1 線性檢驗80
4.3.2 關于誤差項的假定統計特性81
4.3.3 殘差的正態分布檢驗82
4.3.4 驗證誤差項的常方差（同方差性）83
4.3.5 殘差的非自相關85
要點回顧88
第5章 時間序列分析簡介91
學習目標91
5.1 時間序列91
5.2 時間序列的分解93
5.3 用差分方程表示時間序列96
5.4 應用：價格波動過程97
5.4.1 隨機游走模型97
5.4.2 誤差修正模型99
要點回顧100
第6章 回歸模型中的分類變量102 學習目標102
6.1 自變量為分類變量103
6.2 因變量為分類變量123
6.2.1 線性概率模型123
6.2.2 probit回歸模型124
6.2.3 logit回歸模型125
要點回顧125
第7章 分位數回歸127
學習目標127
7.1 經典回歸分析的局限性128
7.2 參數估計128
7.3 分位數回歸過程129
7.4 分位數回歸在金融領域的應用131
7.4.1 投資組合管理者風格的決定因素132
7.4.2 影響資本結構的決定因素134
要點回顧137
第8章 穩健回歸138
學習目標138
8.1 穩健回歸估計139
8.2 協方差和相關矩陣的穩健估計145
8.3 應用147
要點回顧148
第9章 自回歸移動平均模型149
學習目標149
9.1 自回歸模型150
9.2 移動平均模型153
9.3 自回歸移動平均模型概述155
9.4 使用ARMA模型預測標準普爾500指數的周收益158
9.5 向量自回歸模型162
要點回顧163
第10章 協整164
學習目標164
10.1 平穩、非平穩時間序列和協整165
10.2 協整關系檢驗169
10.2.1 Engle-Granger協整檢驗169
10.2.2 Johansen-Juselius協整檢驗176
要點回顧181
第11章 自回歸異方差模型及其擴展182
學習目標182
11.1 估計和預測時間序列的波動性183
11.2 ARCH模型184
11.2.1 ARCH行為184
11.2.2 ARCH模型表現187
11.2.3 ARCH均值模型191
11.3 GARCH模型191
11.3.1 ARCH/GARCH模型應用193
11.3.2 GARCH模型的單變量擴展194
11.3.3 ARCH/GARCH模型的參數估計196
11.3.4 GARCH模型在期權定價上的應用196
11.3.5 ARCH/GARCH模型的多元擴展197
要點回顧200
第12章 因子分析和主成分分析201
學習目標201
12.1 線性回歸的假設202
12.2 因子模型的基本概念203
12.3 因子模型的假設和分類206
12.4 因子模型與線性回歸的異同206
12.5 因子模型的性質207
12.6 因子模型的估計209
12.6.1 因子的不確定性問題209
12.6.2 因子的數量估量210
12.6.3 模型參數估計210
12.6.4 因子的估計214
12.6.5 其他類型的因子模型216
12.7 主成分分析216
12.7.1 主成分分析步驟216
12.7.2 主成分分析的過程224
12.8 因子分析與主成分分析之間的差異224
12.9 近似（大）因子模型225
12.10 近似因子模型和主成分分析226
要點回顧227
第13章 模型估計229
學習目標229
13.1 統計估計與檢驗229
13.2 估計方法231
13.3 *小二乘估計法232
13.3.1 普通*小二乘估計法237
13.3.2 加權*小二乘估計法238
13.3.3 廣義*小二乘估計法240
13.4 極大似然估計法240
13.4.1 極大似然估計在回歸模型中的應用之一241
13.4.2 極大似然估計在回歸模型中的應用之二242
13.4.3 極大似然估計在因子模型中的應用244
13.5 工具變量估計法244
13.6 矩估計法245
13.7 M估計方法和M估計量250
要點回顧250
第14章 模型選擇251
學習目標251
14.1 物理和經濟學：科學的兩種途徑251
14.2 對復雜性建模和樣本容量253
14.3 數據透視255
14.4 幸存者偏差和其他樣本缺陷256
14.5 模型風險259
14.6 模型選擇小結260
要點回顧262
第15章 使用金融計量經濟模型構建和實施投資策略264
學習目標264
15.1 量化研究過程265
15.1.1 基于金融經濟理論形成一個事前的合理推斷266
15.1.2 避免樣本中的幸存者偏差267
15.1.3 選擇模型的估計方法268
15.1.4 擬合和預測的權衡268
15.1.5 情緒的影響270
15.1.6 統計顯著并不能保證alpha271
15.2 投資策略的構建過程272
15.2.1 建立估計預期收益的模型272
15.2.2 獨立的風險控制274
要點回顧276
附錄A 描述性統計277
附錄B 金融計量經濟學常用的連續概率分布297
附錄C 推斷統計311
附錄D 矩陣代數基礎332
附錄E 模型選擇準則：AIC和BIC343
附錄F 穩健統計347
前言
致謝
關于作者
第1章 導論1
學習目標1
1.1 金融計量經濟學的步驟2
1.1.1 模型選擇2
1.1.2 模型估計3
1.1.3 模型檢驗4
1.2 數據生成過程5
1.3 金融計量經濟學在投資管理領域的應用6
1.3.1 資產配置6
1.3.2 投資組合的構建7
1.3.3 投資組合的風險管理8
要點回顧10
第2章 簡單線性回歸12
學習目標12
2.1 相關性的作用12
2.2 回歸模型：兩個變量之間的線性函數關系14
2.3 回歸模型的分布假設15
2.4 回歸模型的估計17
2.5 模型的擬合優度20
2.6 簡單線性回歸在金融領域的兩個應用22
2.6.1 估計共同基金的特征線22
2.6.2 控制股票投資組合的風險26
2.7 非線性關系的線性回歸33
要點回顧34
第3章 多元線性回歸模型36
學習目標36
3.1 多元線性回歸模型概述36
3.2 多元線性回歸模型的假設37
3.3 模型參數的估計38
3.4 模型設計40
3.5 診斷檢驗及模型顯著性40
3.5.1 模型的顯著性檢驗41
3.5.2 自變量顯著性的檢驗43
3.5.3 新增變量的F檢驗43
3.6 多元線性回歸在金融領域的應用44
3.6.1 久期的估計44
3.6.2 預測10年期國債收益率52
3.6.3 基準的選擇：夏普基準59
3.6.4 基于收益率的對沖基金投資風格分析61
3.6.5 抵押市場的溢價／折價分析63
3.6.6 強式定價效率檢驗65
3.6.7 資本資產定價模型的檢驗67
3.6.8 多因子模型的證明69
要點回顧70
第4章 建立和檢驗多重線性回歸模型72
學習目標72
4.1 多重線性問題72
4.2 建模技術75
4.2.1 逐步包含回歸方法76
4.2.2 逐步排除回歸方法77
4.2.3 標準的逐步回歸方法77
4.2.4 逐步回歸方法的應用77
4.3 多元線性回歸模型的假設檢驗78
4.3.1 線性檢驗80
4.3.2 關于誤差項的假定統計特性81
4.3.3 殘差的正態分布檢驗82
4.3.4 驗證誤差項的常方差（同方差性）83
4.3.5 殘差的非自相關85
要點回顧88
第5章 時間序列分析簡介91
學習目標91
5.1 時間序列91
5.2 時間序列的分解93
5.3 用差分方程表示時間序列96
5.4 應用：價格波動過程97
5.4.1 隨機游走模型97
5.4.2 誤差修正模型99
要點回顧100
第6章 回歸模型中的分類變量102 學習目標102
6.1 自變量為分類變量103
6.2 因變量為分類變量123
6.2.1 線性概率模型123
6.2.2 probit回歸模型124
6.2.3 logit回歸模型125
要點回顧125
第7章 分位數回歸127
學習目標127
7.1 經典回歸分析的局限性128
7.2 參數估計128
7.3 分位數回歸過程129
7.4 分位數回歸在金融領域的應用131
7.4.1 投資組合管理者風格的決定因素132
7.4.2 影響資本結構的決定因素134
要點回顧137
第8章 穩健回歸138
學習目標138
8.1 穩健回歸估計139
8.2 協方差和相關矩陣的穩健估計145
8.3 應用147
要點回顧148
第9章 自回歸移動平均模型149
學習目標149
9.1 自回歸模型150
9.2 移動平均模型153
9.3 自回歸移動平均模型概述155
9.4 使用ARMA模型預測標準普爾500指數的周收益158
9.5 向量自回歸模型162
要點回顧163
第10章 協整164
學習目標164
10.1 平穩、非平穩時間序列和協整165
10.2 協整關系檢驗169
10.2.1 Engle-Granger協整檢驗169
10.2.2 Johansen-Juselius協整檢驗176
要點回顧181
第11章 自回歸異方差模型及其擴展182
學習目標182
11.1 估計和預測時間序列的波動性183
11.2 ARCH模型184
11.2.1 ARCH行為184
11.2.2 ARCH模型表現187
11.2.3 ARCH均值模型191
11.3 GARCH模型191
11.3.1 ARCH/GARCH模型應用193
11.3.2 GARCH模型的單變量擴展194
11.3.3 ARCH/GARCH模型的參數估計196
11.3.4 GARCH模型在期權定價上的應用196
11.3.5 ARCH/GARCH模型的多元擴展197
要點回顧200
第12章 因子分析和主成分分析201
學習目標201
12.1 線性回歸的假設202
12.2 因子模型的基本概念203
12.3 因子模型的假設和分類206
12.4 因子模型與線性回歸的異同206
12.5 因子模型的性質207
12.6 因子模型的估計209
12.6.1 因子的不確定性問題209
12.6.2 因子的數量估量210
12.6.3 模型參數估計210
12.6.4 因子的估計214
12.6.5 其他類型的因子模型216
12.7 主成分分析216
12.7.1 主成分分析步驟216
12.7.2 主成分分析的過程224
12.8 因子分析與主成分分析之間的差異224
12.9 近似（大）因子模型225
12.10 近似因子模型和主成分分析226
要點回顧227
第13章 模型估計229
學習目標229
13.1 統計估計與檢驗229
13.2 估計方法231
13.3 *小二乘估計法232
13.3.1 普通*小二乘估計法237
13.3.2 加權*小二乘估計法238
13.3.3 廣義*小二乘估計法240
13.4 極大似然估計法240
13.4.1 極大似然估計在回歸模型中的應用之一241
13.4.2 極大似然估計在回歸模型中的應用之二242
13.4.3 極大似然估計在因子模型中的應用244
13.5 工具變量估計法244
13.6 矩估計法245
13.7 M估計方法和M估計量250
要點回顧250
第14章 模型選擇251
學習目標251
14.1 物理和經濟學：科學的兩種途徑251
14.2 對復雜性建模和樣本容量253
14.3 數據透視255
14.4 幸存者偏差和其他樣本缺陷256
14.5 模型風險259
14.6 模型選擇小結260
要點回顧262
第15章 使用金融計量經濟模型構建和實施投資策略264
學習目標264
15.1 量化研究過程265
15.1.1 基于金融經濟理論形成一個事前的合理推斷266
15.1.2 避免樣本中的幸存者偏差267
15.1.3 選擇模型的估計方法268
15.1.4 擬合和預測的權衡268
15.1.5 情緒的影響270
15.1.6 統計顯著并不能保證alpha271
15.2 投資策略的構建過程272
15.2.1 建立估計預期收益的模型272
15.2.2 獨立的風險控制274
要點回顧276
附錄A 描述性統計277
附錄B 金融計量經濟學常用的連續概率分布297
附錄C 推斷統計311
附錄D 矩陣代數基礎332
附錄E 模型選擇準則：AIC和BIC343
附錄F 穩健統計347
展開全部
金融教材譯叢金融計量經濟學基礎:工具.概念和資產管理應用/(美)弗蘭克.J.法博齊 作者簡介
弗蘭克·J.法博齊（Frank J．Fabozzi） 法國高等商學院（EDHEC）金融學教授，風險研究院成員。他曾在普林斯頓大學擔任創業領域訪問教授，并自201 1年起擔任普林斯頓大學運籌學和金融工程系研究員；也是沃頓商學院Jacobs Levy定量金融研究股權管理中心顧問委員會和Q集團遴選委員會成員；還是耶魯大學國際金融中心的研究員，貝萊德家族封閉式基金的受托人，并于2007年獲得CFA協會C.Stewart Sheppard 獎，同時也是固定收益分析師協會名人堂的入選者。法博齊教授著述頗豐，撰寫和編輯了許多資產管理和量化金融相關的書籍。 塞爾吉奧·M.福卡爾迪（Sergio M.Focardi）紐約州立大學石溪分校商學院和應用數學與統計系客座教授，此前他是尼斯法國高等商學院（EDHEC）的金融學教授，也是咨詢公司The Intertek集團的合伙創始人。作為“Journal of Portfolio Management”編輯委員會成員，他撰寫了大量關于金融建模、風險管理的論文和專著，還與他人合著了CFA協會研究基金會發表的三本專著。 吳衛星，對外經濟貿易大學金融學教授、博士生導師，青年長江學者（2015），教育部新世紀優秀人才，現任對外經濟貿易大學研究生院院長。他還擔任中國國際金融學會常務理事、副秘書長，中國金融工程學會理事，《經濟研究》《管理世界》編委會委員等。主要研究領域為資產定價、家庭金融、消費金融等。在Management Science、《經濟研究》《管理世界》等學術期刊發表論文80余篇，其論文曾經獲得孫冶方金融創新獎、中國金融學會優秀論文二等獎等多個獎項。
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
月亮與六便士
- >
李白與唐代文化
- >
羅庸西南聯大授課錄
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
苦雨齋序跋文-周作人自編集
- >
名家帶你讀魯迅:故事新編
- >
唐代進士錄
本類暢銷
