金融计量学（第2版）

《金融计量学（第2版）》内容系统全面，理论与实践结合，传统知识与新知识兼顾，案例丰富，配套课件。 

金融计量学是一门新型的金融数据处理课程，汇总了时间序列等数据处理方法在金融经济方面的理论、方法和应用。本书是在笔者多年来从事金融计量方面的教学和科研基础上编写而成的，将*的有关研究成果写入教材，使课程体系更加完善。本书体现了较强的理论深度和学术前沿，同时针对我国金融市场进行了大量实证研究，具有理论和实践指导意义。
本书可作为财经类或综合性院校的数量经济、金融等专业高年级本科生和相关专业的研究生教材，亦可作为相关领域研究人员的参考书。

目录

第1章金融计量学介绍

1.1金融计量学的含义及建模步骤

1.2金融数据的主要类型、特点和来源

1.3收益率计算

1.4常用的统计学与概率知识

1.5常用金融计量软件介绍

参考文献

第2章经典回归模型及其应用

2.1一元回归模型及其应用

2.2多元回归模型及其应用

2.3回归模型的检验

2.4案例分析

参考文献

第3章非典型性回归模型及其应用

3.1非线性模型转化为线性模型

3.2异方差性

3.3自相关

3.4多重共线性

3.5虚拟变量模型

3.6预测

参考文献

第4章一元时间序列分析方法

4.1时间序列的相关概念

4.2平稳时间序列模型

4.3非平稳的时间序列分析

4.4长记忆时间序列模型

参考文献

第5章向量自回归模型

5.1VAR模型介绍

5.2VAR模型估计方法与设定

5.3格兰杰因果关系检验

5.4脉冲响应函数与方差分解

5.5结构VAR(SVAR)模型

参考文献

第6章协整和误差修正模型

6.1协整与协整检验

6.2误差修正模型

6.3Johansen协整检验方法

6.4向量误差修正模型

参考文献

第7章GARCH模型分析与应用

7.1金融时间序列异方差特征

7.2ARCH模型

7.3GARCH模型

7.4GARCH类模型的扩展

7.5GARCH类模型应用

7.6向量GARCH模型

7.7随机波动模型(SV)

参考文献

第8章资产定价模型的实证研究

第9章有效市场假说与事件研究法

第10章风险度量方法及应用

10.1金融市场风险概述

10.2金融风险度量方法

10.3案例分析

参考文献

第11章金融高频数据分析及应用

11.1金融高频数据特征分析

11.2波动率建模及应用

11.3案例分析

参考文献

第12章Copula分析方法及应用

12.1Copula函数理论

12.2Copula相关性测度

12.3常用Copula函数介绍

12.4藤Copula函数介绍

12.5Copula函数参数估计

12.6混频Copula

12.7案例分析

参考文献

第13章小波分析方法及应用

13.1小波函数

13.2小波变换

13.3案例分析

参考文献

第14章分形分析方法及应用

14.1单分形相关理论方法

14.2多重分形相关理论方法

14.3优化方案

14.4案例分析

参考文献

附录： 统计分布表

第2版前言

金融计量学是一门实践性很强的课程，本书对第1版有关内容进行了修正和补充，并着重汇集了金融时间序列在金融、经济方面的理论、方法和应用。本书是笔者多年来在金融计量教学和研究基础上编写而成的，体现了较强的理论深度和学术前沿性，并针对我国金融市场的实际情况，进行了大量的实证分析和研究。
本书的最大特色在于： 将最新的金融高频数据、小波理论、分形理论和Copula函数等方面研究成果加进了本教材，使教材理论体系更加完善，弥补了传统教材的不足； 主要针对中国金融市场的实际问题，应用相关的计量理论和方法进行分析，每章都配备了大量的实证分析和案例研究，把理论和实践充分结合起来； 重点内容配合计量经济软件EViews等对每个理论、方法与模型加以实现，充分让学生掌握金融计量的基本理论、方法，懂得如何在实践中应用金融计量基本研究方法，解决金融市场的实际问题，并能应用相应的工具加以实现； 在内容安排上较为灵活，可以根据不同使用者需求，自由取舍，不影响本书的结构体系。
本书共14章，从内容上可以划分为以下三个部分。
第一部分包括第1章至第3章。第1章为金融计量学介绍，第2章和第3章为金融计量的基础理论、方法，这部分也是传统计量经济学的基础部分，可以根据实际学习需求自由取舍。如果已经学过计量经济学初步内容，那么这部分内容可以忽略，不用去学习。
第二部分包括第4章至第7章。这部分内容是传统金融计量学的核心部分，重点介绍金融计量中变量一阶矩、二阶矩建模与应用，以及多变量之间的关系。波动建模中重点介绍了SV模型及其应用，这部分内容至今也很少有教材介绍。
第三部分包括第8章至第14章。这部分介绍了金融计量学应用以及一些最新的数据处理方法。第8章介绍了CAPM理论与实证分析； 第9章介绍了有效市场假说理论与事件研究法，并对中国金融市场做了实证分析； 第10章详细介绍了常见的金融风险度量方法并指出VaR方法的局限性； 第11章是有关金融高频数据方法及应用，这部分内容相关教材还比较少见； 第12~14章介绍了近年来在金融数据处理方面的新方法，分别介绍了Copula、小波和分形，着重介绍了基础理论及其在金融市场中的应用。
在编写本书过程中，重点突出基础理论、方法与金融市场的案例分析，也适时加入金融计量研究领域的一些前沿问题，使学生在掌握传统的金融计量内容的同时，也了解最新的金融计量研究前沿进展。另外，为了使学生学习方便，提供了免费的数据下载。

朱鹏飞、张仁坤、王雅梅、林玉婷、郭溪发、吴幼妹等提供了基础资料，并参与校对工作，在此表示感谢！
由于编者水平有限，不当之处在所难免，恳请同行专家和读者批评指正，并提出宝贵意见和建议。
唐勇2019年1月1日于福州大学旗山湖畔

第1章金融计量学介绍

1.1金融计量学的含义及建模步骤
1.1.1金融计量学的含义

要了解什么是金融计量学，先要了解什么是计量经济学。计量经济学从字面意思来看，是指经济学中的测量。实质上，计量经济学起源于经济学，是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科。
计量经济学不仅是检验经济理论的一门科学，而且也是预测经济变量未来值的一套工具，如预测股票价格走势、预测公司的销售额等。计量经济学可以利用经济数学模型拟合实际数据的过程，是基于历史数据给予政府和企业以数值化或定量化政策建议的一门科学和艺术。
一般认为金融计量学是计量经济学的一个分支，是计量经济学在金融学中的一种应用。在西方经济中，一般认为金融计量学是指金融市场的计量分析，特别是统计技术在处理金融问题中的应用。而本书所指的金融计量学除了包括以上计量经济学基本理论外，还涵盖了其在金融市场的应用，例如检验金融市场信息是否有效，检验资本资产定价模型(CAPM)是否是决定风险资产收益率的优良模型，测量和预测债券收益率的波动性，检验关于变量相互关系的假设，考察经济状况变化对金融市场的影响，等等，后面相应章节将做详细介绍。
1.1.2金融计量建模步骤
通过各种不同的方法对金融市场进行描述和模拟就形成了各种各样的金融计量模型，这些模型都具有一些相同的主要步骤。根据布鲁克斯(Brooks)提出的金融模型步骤，对金融计量建模的基本步骤总结如图11所示。

图11金融计量建模的基本步骤

步骤一： 问题的概述。该步骤主要涉及金融或经济理论的形成，一般来自某种理论的认识或对某种理论的假设，根据理论建立模型用数学公式表示出来。具体包括： 选择变量、确定变量之间的数学关系、拟定模型估计参数的数值范围。选择变量需要注意以下几点： ①正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律； ②处在不同的环境中，要研究不同的行业，选择的变量也不同； ③要考虑数据的可得性； ④选择变量要考虑所有入选变量之间的关系，使得每一个解释变量都是独立的。
步骤二： 收集样本数据。样本数据的收集与整理，是建立金融计量学模型过程中最基础的工作，也是对模型质量影响较大的一项工作。从工作程序上讲， 它是在模型建立之后进行，但实际上经常是同时进行的，因为能否收集到合适的样本观测值是决定变量取舍的主要因素之一。对于金融数据的类型、特点、来源将在下一节详细介绍。
步骤三： 选择合适的估计方法。根据模型提出的假设和建立的数学表达式，数据的类型选择一元回归还是多元回归，选择单一方程还是联立方程。
步骤四： 模型的检验。在步骤三之后初步得到估计结果，但需要进一步检验估计的结果是否满足我们的需要，是否合理地描述数据，是否具有经济学上的意义。一般检验包括三个方面： 统计检验、计量经济学检验以及经济、金融意义检验。统计检验的目的在于检验模型参数估计值的可靠性，包括模型拟合优度检验、变量显著性检验、方程显著性检验等； 计量经济学检验是否符合计量经济学理论知识，包括序列相关性检验、异方差检验、多重共线性检验以及协整检验等。经济、金融意义检验是将计量检验的结果与相应的经济理论或金融理论相比较，确定两者是否相符。估计的参数通过检验则可进行模型的解释，并应用在实际中，否则回到步骤一到步骤三，要么放宽假设条件，要么改变计算方法，要么重新建立模型，收集更多数据。
步骤五： 模型的应用。当模型通过检验，结果获得合理的解释，步骤一的理论得到支撑，就可以将模型用来检验步骤一提出的理论、进行预测或者提出建议。金融计量学模型的应用很广，主要分为以下几个方面： ①结构分析。对经济现象中变量之间相互关系进行研究，如研究某一因素变化对经济状况的影响。②金融、经济预测。根据模型变量的设定，预测金融经济变量，如一元回归模型中被解释变量的预测、未来资产价值以及波动率的预测。③政策评价。研究不同的经济政策产生的不同结果，评估这些结果，或是从不同的政策结果中选择最优的政策方案。④检验与发展经济理论。实践是检验真理的唯一标准，任何经济理论都是要通过检验，金融计量学模型是一种很好的科学方法，对于探索经济规律提供了很大的帮助。
1.2金融数据的主要类型、特点和来源
1.2.1金融数据的主要类型

在金融问题的分析中，主要有三类数据可供使用，即时间序列数据、截面数据和面板数据。
时间序列数据(time series data)是指一个实体在不同时期内的观测数据。例如中国各年的通货通胀率，一家公司当年每个季度的营业额，每天的股票价格，等等。时间序列数据进行回归时应注意数据的一致性，确保各变量数据的频率相同，应注意模型随机误差项有可能产生序列相关，还应注意数据的平稳性问题，同时也要注意数据的可比性，消除不同时点的数据受通货膨胀因素的影响。时间序列数据可用于研究变量随时间推移的发展变化，并预测这些变量的未来值。如研究某个国家股票指数价格如何随着国家宏观经济基础变量的变化而变化、贸易赤字上升对该国家汇率的影响、预测某股票的波动率等。
截面数据(crosssectional data)是指多个实体在某一时点上的观测数据。例如亚洲各个国家2015年的人均GDP(国内生产总值)，某一时点上深圳交易所所有股票的收益率，中国各个省份2015年一年税收情况，等等。实体可以是国家、城市，也可以是公司、单位和个人。分析截面数据时，可能出现异方差情况，整理数据时应注意消除异方差。这类数据主要用于研究某一时期内不同的人、公司或者其他经济实体之间的差异，来了解变量之间的关系。例如研究公司规模对其进行股票投资的回报率之间的关系、一国GDP水平与其主权债务违约率之间的关系。
面板数据(panel data)是指时间序列数据和截面数据相结合的数据，即多个实体在多个时期内的观测数据。例如中国国内所有银行过去3年的贷款数据、所有蓝筹股2010—2015年每日收盘价等。可以应用面板数据研究不同实体的经历和根据每个实体的变量随时间变化的发展来了解经济关系。
对于以上数据的统计和建模分析大多采用的是点值模型(pointvalued model)。随着大数据时代的到来，统计学家和计量经济学家开始采用区间模型(intervalvalued model)对相关数据进行分析。本书不对区间模型进行介绍，有兴趣的读者可参阅相关文献。
1.2.2金融数据的特点
金融计量学主要研究计量经济学在金融市场中的应用。相比宏观经济数据，金融数据在频率、准确性、周期性等方面具有自己特有的性质。下面选择金融数据关注的两个重要指标，即抽样频率和时间跨度逐一介绍。
金融数据可以是低频的、高频的和超高频的，随着技术的进步，研究的数据由以前的月、周、日到现在的10分钟、5分钟、1分钟，可用于计量的数据十分巨大，这是宏观经济数据不能比拟的。
与宏观经济数据相比，金融数据统计错误和数据修正问题会较少，宏观经济数据通常是测算和估计出来的，难免会有差错，而且新公布的统计数据也有可能出错，都会给计量分析带来困难。而金融数据虽然形式多样，但一般来说价格和其他金融变量都是在交易时准确记录下来的，当然也存在数据测量错误、记录错误的可能性。但总体上，金融学中的误差和修正问题不像经济学中的那么严重。
金融数据特别是时间序列数据，一般都是不平稳的，较难区分是随机游走、趋势或其他特征。金融数据通常还有许多其他特征，特别是高频数据，包含太多的噪声，很难分离出背后的趋势； 另外金融数据大部分不服从正态分布，一般回归方法很难适用，但它推动了金融经济方法的发展。