本书是会融时间序列分析领域不可多得的一本上乘之作，在全面阐述金融时间序列分析理论知识的同时，还系统地介绍了金融计量经济模型及其在金融时间序列数据的建模和预测中的应用。在第l版的基础上，本书顺应当前经济形势，更新并增加了大量实证方面的例子，同时补充完善了金融领域的新发展——高频金融随机波动率和可用性软件方面的内容。

书中提供了丰富的S-Plus代码，可供读者实践学习。

本书全面阐述了金融时间序列，并主要介绍了金融时间序列理论和方法的当前研究热点和一些最新研究成果，尤其是风险值计算、高频数据分析、随机波动率建模和马尔科夫链蒙特卡罗方法等方面。此外，本书还系统阐述了金融计量经济模型及其在金融时间序列数据和建模中的应用，所有模型和方法的运用均采用实际金融数据，并给出了所用计算机软件的命令。较之第1版，本版主要在新的发展和实证分析方面进行了更新，新增了状态空间模型和Kalman滤波以及S-Plus命令等内容。

本书可作为时间序列分析的教材，也适用于商学、经济学、数学和统计学专业对金融的计量经济学感兴趣的高年级本科生和研究生，同时，也可作为商业、金融、保险等领域专业人士的参考书。

第1章 金融时间序列及其特征

 1.1 资产收益率

 1.2 收益率的分布性质

1.2.1 统计分布及其矩的回顾

1.2.2 收益率的分布

1.2.3 多元收益率

1.2.4 收益率的似然函数

1.2.5 收益率的经验性质

 1.3 其他过程

 练习题

 参考文献

第2章 线性时间序列分析及其应用

 2.1 平稳性

 2.2 相关系数和自相关函数

 2.3 白噪声和线性时间序列

 2.4 简单的自回归模型

2.4.1 AR模型的性质

2.4.2 实际中怎样识别AR模型

2.4.3 拟合优度

2.4.4 预测

 2.5 简单滑动平均模型

2.5.1 MA模型的性质

2.5.2 识别MA的阶

2.5.3 估计

2.5.4 用MA模型预测

 2.6 简单的ARMA模型

2.6.1 ARMA(1，1)模型的性质

2.6.2 一般的ARMA模型

2.6.3 识别ARMA模型

2.6.4 用ARMA模型进行预测

2.6.5 ARMA模型的三种表示

 2.7 单位根非平稳性

2.7.1 随机游动

2.7.2 带漂移的随机游动

2.7.3 带趋势项的时间序列

2.7.4 一般的单位根非平稳模型

2.7.5 单位根检验

 2.8 季节模型

2.8.1 季节性差分化

2.8.2 多重季节性模型

 2.9 带时间序列误差的回归模型

 ……

第3章 条件异方差模型

第4章 非线性模型及其应用

第5章 高频数据分析与市场微观结构

第6章 连续时间模型及其应用

第7章 极值理论、分位数估计与风险值

第8章 多元时间序列分析及其应用

第9章 主成分分析和因子模型

第10章 多元波动率模型及其应用

第11章 状态空间模型和卡尔曼滤波

第12章 马尔可夫链蒙特卡罗方法及其应用

索引