多元時間序列分析及金融應用：R語言

譯者序
前言
致謝

第1章 多元線性時間序列
1.1 引言
1.2基本概念
1.2.1平穩性
1.2.2線性
1.2.3可逆性
1.3交叉協方差和相關矩陣
1.4樣本CCM
1.5零交叉相關性的檢驗
1.6預測
1.7模型表示
1.8本書的結構
1.9軟件
練習
參考文獻

第2章 平穩向量自回歸時間序列
2.1引言
2.2VAR（1）模型
2.2.1模型結構和格蘭傑因果關系
2.2.2傳遞函數模型的相關性
2.2.3平穩條件
2.2.4可逆性
2.2.5矩方程
2.2.6分量的隱含模型
2.2.7移動平均表達式
2.3VAR（2）模型
2.3.1平穩條件
2.3.2矩方程
2.3.3隱含的邊際分量模型
2.3.4移動平均表達式
2.4VAR（p）模型
2.4.1一個VAR（1）表達式
2.4.2平穩條件
2.4.3矩方程
2.4.4隱含的分量模型
2.4.5移動平均表達式
2.5估計
2.5.1最小二乘方法
2.5.2極大似然估計
2.5.3LS估計的極限性質
2.5.4貝葉斯估計
2.6階選擇
2.6.1序列似然比檢驗
2.6.2信息准則
2.7模型檢驗
2.7.1殘差交叉相關性
2.7.2多元混成統計
2.7.3模型簡化
2.8線性約束
2.9預測
2.9.1給定模型的預測
2.9.2估計模型的預測
2.10脈沖響應函數
2.10.1正交新息
2.11預測誤差方差分解
2.12證明
練習
參考文獻

第3章 向量自回歸移動平均時間序列
3.1向量MA模型
3.1.1VMA（1）模型
3.1.2VMA（q）模型的性質
3.2設定VMA 階
3.3VMA模型的估計
3.3.1條件似然估計
3.3.2精確似然估計
3.3.3初始參數估計
3.4VMA模型預測
3.5VARMA模型
3.5.1可識別性
3.5.2VARMA（1,1）模型
3.5.3VARMA模型的一些性質
3.6VARMA模型的隱含關系
3.6.1格蘭傑因果關系
3.6.2脈沖響應函數
3.7VARMA過程的線性變換
3.8VARMA過程的時間聚合
3.9VARMA模型的似然函數
3.9.1條件似然函數
3.9.2精確似然函數
3.9.3解釋似然函數
3.9.4似然函數計算
3.10精確似然函數的新息方法
3.10.1塊Cholesky 分解
3.11極大似然估計的漸近分布
3.11.1線性參數約束
3.12擬合VARMA模型的模型檢驗
3.13VARMA模型預測
3.13.1預測更新
3.14初次階識別
3.14.1一致AR估計
3.14.2擴展的交叉相關矩陣
3.14.3匯總雙向表
3.15VARMA模型的實證分析
3.15.1個人收入與支出
3.15.2房屋開工率和房貸利率
3.16附錄
練習
參考文獻

第4章 VARMA模型的結構設定
4.1Kronecker 指數方法
4.1.1預測解釋
4.1.2VARMA設定
4.1.3一個說明性的例子
4.1.4Echelon形式
4.1.5續例
4.2標量分量方法
4.2.1標量分量模型
4.2.2模型設定與標量分量模型
4.2.3冗余參數
4.2.4VARMA 模型設定
4.2.5變換矩陣
4.3階數設定的統計量
4.3.1降秩檢驗
4.4求解Kronecker指數
4.4.1應用
4.5求解標量分量模型
4.5.1標量分量模型的含義
4.5.2可交換標量分量模型
4.5.3求解標量分量
4.5.4應用
4.6估計
4.6.1Kronecker指數方法的解釋
4.6.2SCM方法的解釋
4.7例子
4.7.1SCM方法
4.7.2Kronecker指數方法
4.7.3討論和比較
4.8附錄：典型相關分析
練習
參考文獻

第5章 單位根非平穩過程
5.1一元單位根過程
5.1.1動機
5.1.2平穩單位根
5.1.3AR(1)模型
5.1.4AR(p)模型
5.1.5MA(1)模型
5.1.6單位根檢驗
5.1.7例子
5.2多元單位根過程
5.2.1等價模型表示法
5.2.2單位根VAR過程
5.3偽回歸
5.4多元變量指數平滑過程
5.5協整關系
5.5.1一個協整的例子
5.5.2協整性的一些說明
5.6誤差修正模型
5.7協整向量的含義
5.7.1確定性項的含義
5.7.2移動平均表示法的含義
5.8協整向量的參數化
5.9協整檢驗
5.9.1VAR模型
5.9.2確定性項的設定
5.9.3似然比檢驗小結
5.9.4對VAR模型的協整檢驗
5.9.5案例
5.9.6VARMA模型的協整檢驗
5.10誤差修正模型的估計
5.10.1VAR模型
5.10.2簡化回歸模型
5.10.3VARMA模型
5.11應用
5.12討論
5.13附錄
練習
參考文獻

第6章 因子模型和其他問題
6.1季節模型
6.2主成分分析
6.3外生變量的運用
6.3.1VARX模型
6.3.2回歸模型
6.4缺失值
6.4.1完全缺失
6.4.2部分缺失
6.5因子模型
6.5.1正交因子模型
6.5.2近似因子模型
6.5.3擴散指數模型
6.5.4動態因子模型
6.5.5約束因子模型
6.5.6漸近主成分分析
6.6分類和聚類分析
6.6.1聚類分析
6.6.2貝葉斯估計
6.6.3馬爾科夫鏈蒙特卡洛法
練習
參考文獻

第7章 多元波動率模型
7.1條件異方差檢驗
7.1.1混成檢驗
7.1.2基於秩的檢驗
7.1.3模擬
7.1.4應用
7.2多元波動率模型估計
7.3波動率模型的診斷檢驗
7.3.1Ling和Li 統計量
7.3.2Tse統計量
7.4指數加權移動平均
7.5BEKK模型
7.5.1討論
7.6Cholesky分解和波動率建模
7.6.1波動率建模
7.6.2應用
7.7動態條件相關模型
7.7.1建立DCC模型的過程
7.7.2例子
7.8正交變換
7.8.1Go GARCH模型
7.8.2動態正交分量
7.8.3DOC存在性檢驗
7.9基於Copula函數模型
7.9.1Copula函數
7.9.2高斯和tcopula函數
7.9.3多元波動率建模
7.10主波動成分
練習
參考文獻

附錄A 數學與統計學