永利402com官方网站 > 产品评测 > 【永利402com官方网站】金融时间连串深入分析:第3版
2019-12-10
【永利402com官方网站】金融时间连串深入分析:第3版

七月三十日凌晨,应数学与消息科学大学诚邀,北京药中国科学技术大学学博导薛留根和程维虎在数学南楼103室分别作了题为“纵向数据下局地线性模型的广义经历似然预计”和“基于次序总计量的总结估测计算理论与办法”的学术报告。大学相关规范师生参预聆听了此次讲座。报告会由副司长庞善起CEO。

《金融时间系列解析:第3版》
主干音信
原书名:Analysis of Financial Time Series Third Edition
作者: (美)蔡瑞胸(Tsay, R. S.) [作译者介绍]
译者: 王远林 王辉 潘家柱
丛书名: 图灵数学.总括学丛书
出版社:人民邮政和邮电通讯出版社
ISBN:9787115287625
上架时间:2013-8-20
出版日期:贰零壹贰 年九月
开本:16开
页码:1
版次:1-1
所属分类: 数学
永利402com官方网站 1

非参数计算测算与参数总结测算

非参数计算测算又称非参数核算。是指在不考虑原总体分布或然不做关于参数假定的前提下,尽量从数据或样板本人获得所急需的新闻,通过估算获得布满的协会,并逐步创制对事物的数学描述和总计模型的方式。

非参数总计测算平日说来可以称作“布满自由”的艺术,即非参数数据解析方法对产生多少的全体布满不做假如,可能仅付给很相近的只要,比方接二连三型布满,对称布满等部分精短的假诺。结果平常常有较好的天下太平。

  • 当数码的遍及不是很肯定,非常是样板体量超级小,大约无法对遍及作出预计的时候,能够设想用非参数总结估测计算的不二等秘书技。
  • 当处理意志力数据时,选用非参数计算测算方法
  • 参数总括日常用来拍卖定量数据永利402com官方网站,。然而只要搜罗到的数据不符合参数模型的举例,举个例子数据独有顺序未有大小,则过多参数模型都不或然,那时只得尝试非参数总括测算。

增加补充: 总结数据依照数据类型能够分为两类:定性数据和定量数据。非参数总括测算可以管理全数的类别的多少。

Note:非参数方法是与完整布满无关,并不是与全体分布非亲非故。

薛留根首先介绍了布满的现代统计模型和千头万绪数据,入眼叙述了纵向数据下部分线性模型的估计难点,基于二遍揣度函数和经验似然方法给出了参数分量和非参数分量的忖度及其大样特性质,并通过总括模拟和实在数目表明了经历似然方法的优势。

更加的多关于 》》》《财政和经济时间体系深入分析:第3版》
内容简单介绍
书籍
数学书籍
  《金融时间类别剖析:第3版》周详论述了财经时间系列,因人而宜点介绍了金融时间体系理论和章程的当下钻探火爆和局地新式斟酌成果,越发是风险值总计、高频数据剖判、随机波动率建立模型和马尔可夫链蒙特卡罗方法等方面。别的,本书还系统演讲了经济计量经济模型及其在财经时间种类数据和建立模型中的应用,全数模型和章程的接受均选取实际经济数据,并付出了所用Computer软件的吩咐。较之第2 版,本版不止更新了上一版中利用的数量,而且还交到了r 命令和实例,从而使其成为明白主要计算形式和本领的奠基石。
  《金融时间体系解析:第3版》可视作时间体系剖判的教科书,也适用于商学、法学、数学和总结学专门的学问对金融的计量历史学感兴趣的高年级本科生和硕士,同一时间,也可看作生意、金融、有限援救等世界专门的学问职员的参阅用书。
目录
《金融时间类别分析:第3版》
第1章  金融时间体系及其天性  1
1.1  资金财产收益率  2
1.2  收益率的布满性质  6
1.2.1  总括布满及其矩的纪念  6
1.2.2  报酬率的布满  13
1.2.3  多元收益率  16
1.2.4  报酬率的似然函数  17
1.2.5  回报率的经历性质  17
1.3  其余进程  19
附录r  程序包  21
练习题  23
仿效文献  24
第2章  线性时间体系深入分析及其使用  25
2.1  平稳性  25
2.2  相关周到和自有关函数  26
2.3  白噪声和线性时间系列  31
2.4  简单的自回归模型  32
2.4.1  ar模型的属性  33
2.4.2  实际中怎么着识别ar模型  40
2.4.3  拟合优度  46
2.4.4  预测  47
2.5  轻易滑动平均模型  50
2.5.1  ma模型的个性  51
2.5.2  识别ma的阶  52
2.5.3  估计  53
2.5.4  用ma模型预测  54
2.6  简单的arma模型  55
2.6.1  arma(1,1卡塔尔国模型的特性  56
2.6.2  一般的arma模型  57
2.6.3  识别arma模型  58
2.6.4  用arma模型举行前瞻  60
2.6.5  arma模型的两种象征  60
2.7  单位根非平稳性  62
2.7.1  随机游动  62
2.7.2  带漂移的人身自由游动  64
2.7.3  带趋向项的时间体系  65
2.7.4  平日的单位根非平稳模型  66
2.7.5  单位根查验  66
2.8  季节模型  71
2.8.1  季节性差分歧  72
2.8.2  多种季节性模型  73
2.9  带时间连串截断误差的回归模型  78
2.10  协方差矩阵的相合猜测  85
2.11  长回想模型  88
附录  一些sca  的命令  90
练习题  90
参照他事他说加以侦察文献  92
第3章  条件异方差模型  94
3.1  波动率的特征  95
3.2  模型的构造  95
3.3  建模  97
3.4  arch模型  99
3.4.1  arch模型的属性  100
3.4.2  arch模型的宿疾  102
3.4.3  arch模型的构建  102
3.4.4  一些例子  106
3.5  garch模型  113
3.5.1  实例证实  115
3.5.2  预测的评估  120
3.5.3  两步预计方法  121
3.6  求和garch模型  121
3.7  garch-m模型  122
3.8  指数garch模型  123
3.8.1  模型的另黄金年代种样式  125
3.8.2  实例证实  125
3.8.3  另一个事例  126
3.8.4  用egarch模型举行预测  128
3.9  门限garch模型  129
3.10  charma模型  130
3.11  随机周全的自回归模型  132
3.12  随机波动率模型  133
3.13  长记念随机波动率模型  133
3.14  应用  135
3.15  其余措施  138
3.15.1  高频数据的选择  138
3.15.2  日开盘价、最高价、最实惠和收盘价的行使  141
3.16  garch模型的峰度  143
附录  波动率模型估摸中的一些rats  程序  144
练习题  146
参谋文献  148
第4章  非线性模型及其使用  151
4.1  非线性模型  152
4.1.1  双线性模型  153
4.1.2  门限自回归模型  154
4.1.3  平滑转移ar(star卡塔尔模型  158
4.1.4  马尔可夫调换模型  160
4.1.5  非参数方法  162
4.1.6  函数全面ar  模型  170
4.1.7  非线性可加ar  模型  170
4.1.8  非线性状态空间模型  171
4.1.9  神经互连网  171
4.2  非线性查证  176
4.2.1  非参数核准  176
4.2.2  参数核准  179
4.2.3  应用  182
4.3  建模  183
4.4  预测  184
4.4.1  参数自助法  184
4.4.2  预测的评估  184
4.5  应用  186
附录a  一些关于非线性波动率模型的rats  程序  190
附录b  神经网络的s-plus  命令  191
练习题  191
参考文献  193
第5章  高频数据拆解解析与市情微观构造  196
5.1  非同步交易  196
5.2  买卖报价差  200
5.3  交易数据的涉世特征  201
5.4  价格变化模型  207
5.4.1  顺序概率值模型  207
5.4.2  分解模型  210
5.5  持续期模型  214
5.5.1  acd模型  216
5.5.2  模拟  218
5.5.3  估计  219
5.6  非线性持续期模型  224
5.7  价格转移和持续期的二元模型  225
5.8  应用  229
附录a  一些可能率布满的回想  234
附录b  危殆率函数  237
附录c  对持续期模型的局地rats
程序  238
练习题  239
参照他事他说加以调查文献  241
第6章  再三再四时间模型及其使用  243
6.1  期权  244
6.2  一些连连时间的人身自由进度  244
6.2.1  维纳进度  244
6.2.2  广义维纳进度  246
6.2.3  伊藤进程  247
6.3  伊藤引理  247
6.3.1  微分回想  247
6.3.2  随机微分  248
6.3.3  多少个利用  249
6.3.4  1和?的估计  250
6.4  股价与对数报酬率的布满  251
6.5  b-s微分方程的演绎  253
6.6  b-s定价公式  254
6.6.1  危机中性世界  254
6.6.2  公式  255
6.6.3  欧式期权的下界  257
6.6.4  讨论  258
6.7  伊藤引理的恢弘  261
6.8  随机积分  262
6.9  跳跃扩散模型  263
6.10  接二连三时间模型的估量  269
附录a  b-s  公式积分  270
附录b  标准正态概率的近乎  271
练习题  271
参谋文献  272
第7章  极值理论、分位数估量与危机值  274
7.1  风险值  275
7.2  危害衡量制  276
7.2.1  讨论  279
7.2.2  多少个头寸  279
7.2.3  预期损失  280
7.3  var  总括的计量经济方法  280
7.3.1  三个周期  283
7.3.2  在尺度正态布满下的预想损失  285
7.4  分位数预计  285
7.4.1  分位数与次序总计量  285
7.4.2  分位数回归  287
7.5  极值理论  288
7.5.1  极值理论的追思  288
7.5.2  资历估摸  290
7.5.3  对股票收益率的利用  293
7.6  var  的极值方法  297
7.6.1  讨论  300
7.6.2  多期var  301
7.6.3  收益率水平  302
7.7  基于极值理论的一个新点子  302
7.7.1  总结理论  303
7.7.2  超过定额均值函数  305
7.7.3  极值建模的二个新措施  306
7.7.4  基于新点子的var计算  308
7.7.5  参数化的其余情势  309
7.7.6  解释变量的应用  312
7.7.7  模型考验  313
7.7.8  说明  314
7.8  极值指数  318
7.8.1  d(un)条件  319
7.8.2  极值指数的推测  321
7.8.3  平稳时间连串的高风险值  323
练习题  324
参考文献  326
第8章  多元时间连串解析及其使用  328
8.1  弱平稳与接力{相关矩阵  328
8.1.1  交叉{相关矩阵  329
8.1.2  线性相依性  330
8.1.3  样板交叉{相关矩阵  331
8.1.4  多元混成查验  335
8.2  向量自回归模型  336
8.2.1  简化方式和架构格局  337
8.2.2  var(1卡塔尔(قطر‎模型的平稳性条件和矩  339
8.2.3  向量ar(p)模型  340
8.2.4  建设布局叁个var(p卡塔尔模型  342
8.2.5  脉冲响应函数  349
8.3  向量滑动平均模型  354
8.4  向量arma模型  357
8.5  单位根非平稳性与协整  362
8.6  协整var模型  366
8.6.1  显明性函数的具体化  368
8.6.2  最大似然估计  368
8.6.3  协整查验  369
8.6.4  协整var模型的前瞻  370
8.6.5  例子  370
8.7  门限协整与套期图利  375
8.7.1  多元门限模型  376
8.7.2  数据  377
8.7.3  估计  377
8.8  配成对贸易  379
8.8.1  理论框架  379
8.8.2  交易计策  380
8.8.3  简单例子  380
附录a  向量与矩阵的追忆  385
附录b  多元春态布满  389
附录c  一些sca命令  390
练习题  391
参照他事他说加以考查文献  393
第9章  主成分分析和因子模型  395
9.1  因子模型  395
9.2  宏观经济因子模型  397
9.2.1  单因子模型  397
9.2.2  多因子模型  401
9.3  基本面因子模型  403
9.3.1  barra因子模型  403
9.3.2  fama-french方法  408
9.4  主成分解析  408
9.4.1  pca理论  408
9.4.2  经验的pca  410
9.5  总括因子解析  413
9.5.1  估计  414
9.5.2  因子旋转  415
9.5.3  应用  416
9.6  渐近主成分深入分析  420
9.6.1  因子个数的抉择  421
9.6.2  例子  422
练习题  424
参谋文献  425
第10章  多元波动率模型及其应用  426
10.1  指数加权估算  427
10.2  多元garch模型  429
10.2.1  对角vec模型  430
10.2.2  bekk模型  432
10.3  重新参数化  435
10.3.1  相关周密的利用  435
10.3.2  cholesky  分解  436
10.4  二元收益率的garch模型  439
10.4.1  常相关模型  439
10.4.2  时变相关模型  442
10.4.3  动态相关模型  446
10.5  更加高维的波动率模型  452
10.6  因子波动率模型  457
10.7  应用  459
10.8  多元t  分布  461
附录对测度的局地表明  462
练习题  466
参谋文献  467
第11章  状态空间模型和Carl曼滤波  469
11.1  局地倾向模型  469
11.1.1  总计测算  472
11.1.2  Carl曼滤波  473
11.1.3  预测固有误差的习性  475
11.1.4  状态平滑  476
11.1.5  缺失值  480
11.1.6  伊始化效应  480
11.1.7  估计  481
11.1.8  所用的s-plus命令  482
11.2  线性状态空间模型  485
11.3  模型调换  486
11.3.1  带时变周全的capm  487
11.3.2  arma模型  489
11.3.3  线性回归模型  495
11.3.4  带arma相对误差的线性回归模型  496
11.3.5  纯量不可观测项模型  497
11.4  Carl曼滤波和平滑  499
11.4.1  Carl曼滤波  499
11.4.2  状态猜度标称误差和瞻望固有误差  501
11.4.3  状态平滑  502
11.4.4  扰动平滑  504
11.5  缺失值  506
11.6  预测  507
11.7  应用  508
练习题  515
仿效文献  516
第12章  马尔可夫链蒙特卡罗方法及其使用  517
12.1  马尔可夫链模拟  517
12.2  gibbs抽样  518
12.3  贝叶斯推测  520
12.3.1  后验遍及  520
12.3.2  共轭先验分布  521
12.4  别的算法  524
12.4.1  metropolis算法  524
12.4.2  metropolis-hasting算法  525
12.4.3  格子gibbs抽样  525
12.5  带时间类别标称误差的线性回归  526
12.6  缺点和失误值和充足值  530
12.6.1  缺失值  531
12.6.2  分外值的鉴定分别  532
12.7  随机波动率模型  537
12.7.1  一元模型的揣度  537
12.7.2  多元随机波动率模型  542
12.8  估量随机波动率模型的新点子  549
12.9  马尔可夫转变模型  556
12.10  预测  563
12.11  其余应用  564
练习题  564
参谋文献  565
索引  568  

资历似然

资历似然是欧文(1989)在统统样板下建议的意气风发种非参数总括估测计算艺术。它有周边于bootstrap的抽样天性。

Bootstrap是双重改造总计学的多少个用尽心机。总结估测计算的基点总是贰个的随机变量遍布。在这里个布满很复杂不能够尽管合理的参数模型时,bootstrap提供了大器晚成种非参数的推论方法,依据的是对侦察到的样本的再一次抽样(resampling),其实是用empirical distribution去就如真正的distribution。Source
Example:
你要总计你们小区里男女比例,不过您任何接头整个小区的人分头是男照旧女很艰难对吧。于是你搬了个板凳坐在小区门口,花了十四分钟去数,考虑了200张小纸条,有一个男的走过去,你就拿出多少个小纸条写上“M”,有二个女的千古您就写一个“S”。最终你回家之后把200张纸条放在茶几上,随机拿出此中的100张,看看多少个M,多少个S,你料定感到这并无法表示全体小区对不对。然后您把那个放回到200张纸条里,再接着抽100张,再做一回总结。…………
这么一再11回照旧更频仍,大致就能够代表你们所有小区的男女比例了。你如故认为不允许?不能,正是因为不可能知晓确切的样书,所以拿Bootstrap来做模拟而已。Source
言语陈说
Bootstrap是大家在对二个样板未知的意况下,从当中(有放回的)重新抽样,抽样样品大小为n,那么每一趟抽样都能够获得三个样板均值,不断地抽样就能够收获叁个bar{x}的遍及,接下去就足以组织置信区间并做检查了。

阅世似然方法与精髓的或今世的总括划办公室法比较,有数不胜数崛起的帮助和益处:

  • 组织的置信区间有域保持性,调换不改变性
  • 置信域的形状由数量自行决定
  • 有Bartlett纠偏性
  • 无须布局轴计算量

深入分析先验可能率,后验可能率与似然函数
用“水到渠成”这么些因果例子,从可能率(probability)的角度说一下。
先验概率,正是常识、资历所透表露的“因”的概率,即瓜熟的概率。
后验可能率,正是在知晓“果”之后,去猜度“因”的概率,也等于说,假如已经知道瓜蒂脱落,那么瓜熟的票房价值是有一些。后验和先验的涉嫌能够因此贝叶斯公式来求。也正是:
P(瓜熟 | 已知蒂落)=P(瓜熟)×P(蒂落 | 瓜熟)/ P(蒂落)
似然函数,是基于已知结果去推想固有性质的可能(likelihood),是对本来性质的拟合程度,所以不能够称之为可能率。在此边正是,不要管什么瓜熟的可能率,只care瓜熟与蒂落的涉嫌。假若蒂落了,那么对瓜熟那风流倜傥性质的拟合程度有多大。似然函数,日常写成L(瓜熟 | 已知蒂落),和后验概率特别像,差异在于似然函数把瓜熟看成多个势必存在的习性,而后验可能率把瓜熟看成壹个随机变量
似然函数和规格可能率的涉嫌
似然函数便是条件可能率的逆反。意为:
L(瓜熟 | 已知蒂落)= C × P(蒂落 | 瓜熟),C是常数。
具体来说,以后有1000个瓜熟了,落了800个,那条件概率是0.8。那小编也足以说,这1000个瓜都熟的大概是0.8C。注意,之所以加个常数项,是因为似然函数的具体值一点意义都没有,唯有看它的周旋大小依旧四个似然值的比率才有意义。
同理,就算知道地点的意思,遍布正是后生可畏“串”可能率。
先验遍布:现在常识不但告诉大家瓜熟的概率,也验证了瓜青、瓜烂的票房价值。
后验布满:在知晓蒂落之后,瓜青、瓜熟、瓜烂的概率都以多少
似然函数:在明白蒂落的情状下,倘使以瓜青为一定属性,它的大概性是微微?要是以瓜熟为必然属性,它的大概是微微?如果以瓜烂为自然属性,它的只怕性是有些?似然函数不是分布,只是对上述三种情状下各自的恐怕性描述。
那么咱们把那三者结合起来,就足以得到:
后验遍布 正比于 先验布满 × 似然函数。
先验正是设定风流罗曼蒂克种景况,似然就是看这种意况下产生的大概性,两个合起来正是后验的票房价值。
至于似然推测:正是不论先验和后验那生机勃勃套,只看似然函数,现在蒂落了,恐怕有瓜青、瓜熟、瓜烂,那三种状态都有个似然值(L(瓜青):0.6、L(瓜熟):0.8、L(瓜烂):0.7),我们接受最大的那三个,即瓜熟,此时如若瓜熟为必然属性是最有希望的。 Source