目錄
譯者序
前言
第1章 資產(chǎn)收益率 1
1.1 收益率 1
1.1.1 單期簡單收益率和總收益率 1
1.1.2 多期收益率 1
1.1.3 對數(shù)收益率和連續(xù)復(fù)利 2
1.1.4 股息調(diào)整 4
1.1.5 債券收益與價格 4
1.1.6 超額收益率 6
1.2 金融收益率數(shù)據(jù)的行為 6
1.3 有效市場假說和收益率統(tǒng)計模型 15
1.4 有效市場假說的相關(guān)檢驗 18
1.4.1 白噪聲檢驗 18
1.4.2 Ljung-Box 檢驗的注記 20
1.4.3 隨機游走檢驗 21
1.4.4 Ljung-Box 檢驗和 Dickey-Fuller 檢驗 23
1.5 附錄: Q-Q 圖和 Jarque-Bera 檢驗 24
1.5.1 Q-Q 圖 24
1.5.2 Jarque-Bera 檢驗 25
1.6 進一步閱讀和軟件實現(xiàn) 25
1.7 習(xí)題 26
第2章 線性時間序列模型 28
2.1 平穩(wěn)性 28
2.2 平穩(wěn) ARMA 模型 30
2.2.1 移動平均過程 30
2.2.2 自回歸過程 34
2.2.3 自回歸移動平均過程 41
2.3 非平穩(wěn)和長記憶 ARMA 過程 46
2.3.1 隨機游走 47
2.3.2 ARIMA 模型和指數(shù)平滑 47
2.3.3 FARIMA 模型和長記憶過程 49
2.3.4 時間序列模型綜述 50
2.4 應(yīng)用 ACF, PACF 和 EACF 進行模型選擇 51
2.5 擬合 ARMA 模型: MLE 和 LSE 55
2.5.1 最小二乘估計 55
2.5.2 高斯極大似然估計 56
2.5.3 黃金價格示例 59
2.5.4 極大似然估計方法簡介 62
2.6 模型診斷: 殘差分析 64
2.6.1 殘差圖 64
2.6.2 殘差的擬合優(yōu)度檢驗 67
2.7 基于信息準(zhǔn)則的模型識別 68
2.8 隨機和確定性趨勢 70
2.8.1 剔除趨勢 71
2.8.2 增廣的 Dickey-Fuller 檢驗 72
2.8.3 例子 73
2.8.4 季節(jié)性 76
2.9 預(yù)測 78
2.9.1 ARMA 過程的預(yù)測 78
2.9.2 金融市場趨勢和動量的預(yù)測 82
2.10 附錄: R 語言的時間序列分析 90
2.10.1 從 R 開始 90
2.10.2 時間序列分析的 R-函數(shù) 91
2.10.3 TSA——一個附加程序包 93
2.11 習(xí)題 93
第3章 異方差波動率模型 97
3.1 ARCH 和 GARCH 模型 97
3.1.1 ARCH 模型 98
3.1.2 GARCH 模型 103
3.1.3 GARCH 模型的平穩(wěn)性 105
3.1.4 四階矩 108
3.1.5 波動率預(yù)測 112
3.2 GARCH 模型的估計 112
3.2.1 條件極大似然估計 112
3.2.2 模型診斷 114
3.2.3 GARCH 模型的應(yīng)用 117
3.2.4 漸近性質(zhì) 122
3.2.5 最小一乘 (LAD) 估計 123
3.3 ARMA-GARCH 模型 127
3.4 擴展的 GARCH 模型 128
3.4.1 EGARCH 模型 129
3.4.2 非對稱冪 GARCH 模型 132
3.4.3 超額收益率和 GARCH-M 模型 136
3.4.4 IGARCH 模型 137
3.5 隨機波動率模型 138
3.5.1 概率性質(zhì) 139
3.5.2 參數(shù)估計 140
3.5.3 杠桿效應(yīng) 142
3.6 附錄: 狀態(tài)空間模型 143
3.6.1 線性模型 143
3.6.2 高斯模型的卡爾曼遞歸 143
3.6.3 非線性模型 147
3.6.4 粒子濾波器 148
3.7 習(xí)題 150
第4章 多元時間序列分析 153
4.1 平穩(wěn)性與自相關(guān)矩陣 153
4.1.1 平穩(wěn)向量過程 153
4.1.2 樣本互協(xié)方差/相關(guān)陣 155
4.2 向量自回歸模型 158
4.2.1 平穩(wěn)性 158
4.2.2 參數(shù)估計 160
4.2.3 模型選擇和診斷 163
4.2.4 實際數(shù)據(jù)的例子 164
4.2.5 格蘭杰因果關(guān)系 168
4.2.6 脈沖響應(yīng)函數(shù) 171
4.3 協(xié)整 174
4.3.1 單位根和協(xié)整 174
4.3.2 恩格爾–格蘭杰方法和誤差修正模型 175
4.3.3 Johansen 似然方法 179
4.3.4 實際數(shù)據(jù)的例子 183
4.4 習(xí)題 187
第5章 有效投資組合與資本資產(chǎn)定價模型 189
5.1 有效投資組合 189
5.1.1 投資組合的收益與風(fēng)險 189
5.1.2 投資組合最優(yōu)化 190
5.1.3 有效投資組合與夏普比率 192
5.1.4 有效前沿邊界 194
5.1.5 執(zhí)行方面的挑戰(zhàn) 195
5.2 最優(yōu)化期望效用函數(shù) 195
5.3 資本資產(chǎn)定價模型 197
5.3.1 市場投資組合 198
5.3.2 資本資產(chǎn)定價模型 199
5.3.3 市場貝塔及其應(yīng)用 201
5.4 驗證 CAPM 203
5.4.1 經(jīng)濟計量公式 203
5.4.2 極大似然估計 203
5.4.3 檢驗統(tǒng)計量 205
5.5 實證研究 209
5.5.1 概述 209
5.5.2 Fama-French 投資組合 210
5.5.3 進一步評論 212
5.6 橫截面回歸 213
5.7 沒有無風(fēng)險資產(chǎn)的投資組合優(yōu)化 214
5.8 帶有未知無風(fēng)險利率的 CAPM 221
5.8.1 驗證 Black 版本的 CAPM 221
5.8.2 檢驗統(tǒng)計量 222
5.9 補充 224
5.9.1 (5.43) 的證明 224
5.9.2 (5.48) 的證明 225
5.10 習(xí)題 226
第6章 因子定價模型 229
6.1 多因子定價模型 229
6.1.1 多因子模型 229
6.1.2 因子定價模型 233
6.2 多因子模型的應(yīng)用 234
6.3 帶有可交易因子的模型驗證 235
6.3.1 存在無風(fēng)險資產(chǎn)的情形 235
6.3.2 風(fēng)險溢階的估計 236
6.3.3 檢驗統(tǒng)計量 237
6.3.4 應(yīng)用 Fama-French 投資組合的一個實證研究 239
6.3.5 不存在無風(fēng)險資產(chǎn)情形 241
6.4 宏觀經(jīng)濟變量因子 243
6.5 因子選擇 244
6.5.1 主成分分析 244
6.5.2 因子分析 248
6.6 習(xí)題 251
第7章 投資組合配置與風(fēng)險評估 254
7.1 大型投資組合的風(fēng)險評估 254
7.1.1 投資組合的穩(wěn)定性 255
7.1.2 穩(wěn)定性和風(fēng)險近似 256
7.1.3 風(fēng)險評估誤差 260
7.1.4 具有給定風(fēng)險敞口的代表性投資組合 261
7.2 大波動率矩陣估計 262
7.2.1 指數(shù)平滑 263
7.2.2 壓縮正則化 265
7.2.3 半正定和正定矩陣空間上的投影 267
7.2.4 懲罰似然正則化 268
7.2.5 帶有可觀測因子的因子模型 271
7.2.6 帶有可觀測因子的近似因子模型 274
7.2.7 帶有不可觀測因子的近似因子模型 277
7.3 總風(fēng)險敞口約束下的投資組合配置 280
7.3.1 總風(fēng)險敞口約束下的投資組合選擇 280
7.3.2 與協(xié)方差正則化的關(guān)系 283
7.4 投資組合選擇和追蹤 284
7.4.1 與回歸的關(guān)系 284
7.4.2 投資組合選擇與追蹤 285
7.5 實證研究 286
7.5.1 Fama-French 100 投資組合 287
7.5.2 羅素 3000 股票 289
7.6 補充 290
7.6.1 定理 7.2 的證明 290
7.6.2 定理 7.3 的證明 291
7.6.3 (7.48) 的證明 291
7.7 習(xí)題 291
第8章 基于資本資產(chǎn)定價模型的消費 294
8.1 效用最優(yōu)化 294
8.2 基于消費的資本資產(chǎn)定價模型 296
8.2.1 CCAPM 297
8.2.2 冪效用 298
8.3 均值–方差邊界 302
8.4 習(xí)題 304
第9章 現(xiàn)值模型 305
9.1 基本價格 305
9.2 理性泡沫 307
9.3 時變預(yù)期收益率 309
9.4 實證研究 313
9.5 相依情形下的線性回歸 318
9.6 習(xí)題 320
參考文獻 322