Analysis of financial time series - Ruey S. Tsay

Поскольку многие страны борются, чтобы оправиться от нынешнего глобального финансового кризиса, одно ясно, что мы не хотим, чтобы пережить еще один кризис, как это в будущем. Надо изучать прошлое, чтобы предотвратить будущие финансового кризиса. Финансовые данные за последние несколько лет, таким образом, становятся важным в эмпирическом исследовании. Основной целью пересмотра является для обновления данных, используемых и в повторный анализ полученных примеров, так что можно лучше понять свойства доходности активов. В то же время, мы также свидетель многих новых разработок в финансовой эконометрики и финансовых пакетов программного обеспечения. В частности, R-показателей, сейчас есть много пакетов для анализа финансовых временных рядов. Вторая цель пересмотра будет включать R-команды и демонстраций, делая возможным и легким для читателей, чтобы воспроизвести результаты, приведенные в книге.

Обрушение крупных финансовых учреждений во время кризиса, показывают, что экстремальные события происходят в кластеры; они не являются независимыми. Для борьбы с зависимостью, в крайности, я включаю в экстремальных индекс в главе 7, а также их влияние на стоимость на риск. Я также переписать в главе 7, чтобы сделать его проще для понимания и более полной. Теперь она содержит ожидаемого дефицита, или условной оценки стоимости, подверженной риску, для оценки финансового риска.

Прилагаются значительные усилия, чтобы привлечь баланс между длиной и охват книги. Я не включают кредитный риск и операционный риск в этом пересмотре, по трем причинам. Во-первых, эффективные методы для оценки кредитного риска, которые требуют дальнейшего изучения. Во-вторых, эти данные не являются широко доступными. В-третьих, длина книги приближается мой предел.

Краткое резюме добавить материал в третьем издании:

1. Для обновления данных, используемых в книге.

2. Для обеспечения R-команды и демонстраций. В некоторых случаях, R программ, приводятся.

3. В пересмотреть многие примеры с обновленной наблюдений.

4. Внести асимметрия распределений для волатильности моделирования в главе 3.

5. Чтобы исследовать свойства последних high-frequency trading данные и добавлять приложения нелинейных моделей продолжительности в главе 5.

6. Для обеспечения единого подхода к стоимости под риском (VaR), с помощью функции потерь, чтобы обсудить ожидаемого дефицита (ES), или, эквивалентно условной стоимости под риском (CVaR), и ввести экстремальных индекс для зависимость данных в главе 7.

7. Чтобы обсудить применение коинтеграции для торговых пар в главе 8.

8. Для изучения применения динамических корреляционных моделей в главе 10.

Я большую пользу от конструктивные замечания читателей второе издание, в том числе студенты, коллеги, друзья. Я благодарен им всем. В частности, я хотел бы выразить мою искреннюю благодарность Спенсер Могилы для создания FinTS пакет для R и том Доан из ESTTMA и Евгений Геф для внимательного чтения текста. Я также благодарю кам Hamidieh для предложения, касающиеся новых тем для пересмотра. Я также хотел бы поблагодарить коллег на Уайли, особенно Джеки Palmieri и Стивен Куигли, за их поддержку. Как всегда, редакция была бы невозможна без постоянного стимулирования и безусловной любви моей жены и детей. Они мои мотивации и источник энергии. Часть моих исследований поддерживается Booth School of Business Чикагского университета.

Финансовые Временные Ряды и Их Характеристики

Финансовый анализ временных рядов связана с теорией и практикой оценки активов во времени. Это очень эмпирические дисциплины, но, как и других научных областях теории образует фундамент для принятия выводов. Есть, однако, ключевой особенностью, отличающей финансовый анализ временных рядов от других анализа временных рядов. Как финансовой, так теория и ее эмпирические время серии содержат элемент неопределенности. Например, существуют различные определения актив волатильность, и для фондовых вернуться серии, волатильность не является непосредственно наблюдаемой. В результате добавил неопределенности, статистических теория и методы играют важную роль в финансовом анализе временных рядов.

Цель этой книги-дать некоторые знания в области финансовых временных рядов, ввести некоторые статистические инструменты для анализа этих серий, и получить опыт работы в финансовых приложениях различных эконометрических методов. Мы начнем с основных понятий, доходности активов и краткое введение в процессы, которые будут обсуждаться на протяжении всей книги. В главе 2 дается обзор основных понятий линейного анализа временных рядов, таких как стационарность и автокорреляционной функции, вводит простые линейные модели для обработки серийный зависимость серии, и обсуждает регрессионных моделях с временными рядами ошибки, сезонность, блок-root нестационарности, и долго-памяти процессов. В главе также предоставляет методы для последовательного оценка ковариационной матрицы в присутствии условной гетероскедастичности и серийный корреляции. Глава 3 ориентирован на моделирование условной гетероскедастичности (т.е., условной дисперсии актива возврата). В нем рассматриваются различные эконометрические модели, разработанные в последнее время для описания эволюции волатильности активов вернуться с течением времени. В главе также рассматриваются альтернативные способы волатильность моделирования, в том числе с использованием высокочастотной сделок данных и ежедневно высокой и низкой цены актива. В главе 4, мы обращаемся нелинейности в финансовых временных рядов, ввести тест статистики, что может различать нелинейных серии от линейности, и обсудить ряд нелинейных моделей. В главе также описан непараметрическая оценка методов и нейронных сетей и показывает различные приложения нелинейных моделей в области финансов. Глава 5 касается анализа высокочастотных финансовых данных, последствия микроструктура рынка, и некоторые приложения высокочастотных финансов. Это показывает, что несинхронных торговли и bid-ask отказов можно ввести серийный корреляций в запасе вернуться. Он также исследования динамических времени между сделками и некоторые эконометрических моделей для анализа данных о транзакциях. В главе 6, мы вводим с непрерывным временем модели распространения и Ито Лемма. Модель Блэка-Шоулза цены опциона формулы получены, и простой прыжок диффузионная модель используется, чтобы захватить некоторые характеристики, которые обычно наблюдаются в опционных рынков. В главе 7 обсуждаются extreme value theory, тяжелые хвосты распределения, и их применения для управления финансовыми рисками. В частности, в нем рассматриваются различные методы для расчета стоимости с учетом риска и ожидаемого дефицита финансового положения. Глава 8 фокусируется на многомерный анализ временных рядов и простой многомерной модели с упором на лид-отставание отношения между временных рядов. В главе также описан коинтеграции, некоторые коинтеграции, и порог коинтеграции и применяется концепция коинтеграции для расследования арбитражные возможности на финансовых рынках, в том числе торговых пар. В главе 9 обсуждаются способы упростить динамической структуры многомерного серии и методы снижения размерности. Он вводит и демонстрирует три типа факторной модели для анализа доходностей несколько активов. В главе 10, мы вводим многомерной модели волатильности, в том числе тех, с указанием различной корреляции, и обсудить методы, которые могут быть использованы для reparameterize условного ковариационной матрицы для удовлетворения безапеляционно ограничения и уменьшения сложности в волатильности моделирования. Глава 11 вводит в пространстве состояний, модели и фильтр Кальмана и рассматриваются отношения между государством-пространстве модели и другие эконометрических моделей, рассмотренных в книге. Она также дает несколько примеров финансовых приложений. Наконец, в главе 12, введем некоторые Маркова-Монте-Карло (MCMC) методы, разработанные в статистической литературе и применять эти методы в различных финансовых исследований и проблем, такие, как оценка стохастической неустойчивости и марковским моделей.

В книге делается большой акцент на применение и эмпирический анализ данных. Каждая глава содержит реальные примеры и, во многих случаях, эмпирические характеристики финансовых временных рядов используются для мотивации развития эконометрических моделей. Компьютерные программы и команды, используемые в анализе данных предоставляются при необходимости. В некоторых случаях программы приведены в приложении. Многие реальные наборы данных, используется также для упражнения каждой главы.

Attachments:
FileОписание
Access this URL (http://www.statosphere.ru/downloads/books/quant/RueyTsay.rar)Analysis of financial time series - Ruey S. Tsayучебник по эконометрике
Access this URL (http://www.statosphere.ru/downloads/books/quant/RueyTsay3rd.rar)Analysis of financial time series - Ruey S. Tsay. 3rd editionучебник по эконометрике

Краткое содержание

Вход для слушателей