金融计量分析.pptVIP

* * 对于多期（multi-period）来说, 对于季度频率数据，年度化的增长率计算公式为: 对于月度频率数据，年度化的增长率计算公式是: 1.3.2 随机变量与随机过程 例如： 其中： 表示 表示 随机变量: 误差项 就是一个随机变量，这里假设这一随机误差变量服从正态分布。在更多的情形下，随机变量 被假设服从独立一致性分布（independently and identically distributed），或者简记做 i.i.d.。 与随机变量紧密相关但又有区别的一个概念就是随机过程。当我们希望对一个金融时间序列进行分析时，通常把 看作是一个随机过程的实现。宽泛地说， 随机过程就是定义在一定概率空间的一组具有相同特性的随机变量。 1.3.3 随机分布: X和Y的联合分布可定义为： 其中： 为联合分布函数中的参数。假定 X与Y的联合概率密度函数 ，并且严格有定义，则有： 与联合分布相对的概念是边际分布。例如，X的边际分布可以通过将联合分布中与X不相关的赋值设为 来获得: 当X是一个一维的随机变量而不是向量形式时，边际分布的定义就成为下面常见的形式： 这一公式在统计学中也称为X的累积分布函数，其取值范围在0与1之间。虽然CDF的概念稍微有些抽象，但是其在金融计量学中有着广泛的应用，特别是在计算统计量的p-值过程中非常有用。例如，利用F分布的累积分布函数可以计算F检验统计量的p-值。 条件分布，顾名思义，就是随机变量在给定条件下的分布。例如，给定 的条件，X的条件分布可以定义为： 如果利用前面提到的概率密度函数的概念，还可以写成： 其中, 表示边际分布函数，并且满足 金融计量学 金融计量学初步 差分方程、滞后运算与动态模型 平稳AR模型 平稳ARMA模型 预测理论与应用 非平稳时间序列模型 单位根检验法 向量自回归（VAR）模型 结构向量自回归（SVAR）模型 协整与误差修正模型 GARCH模型 非线性时序模型 CAPM理论与应用事件研究方法 主成分和因子分析 第一章 金融计量学初步 1.1 金融计量学的范畴 1.2 金融时间序列数据 1.3 金融计量分析中的基本概念 1.4 金融计量软件介绍 1.1 金融计量学的范畴 金融计量学是金融市场中的计量经济学，它主要研究的是通过模型来描述金融变量的时间序列规律金融计量学的范畴涵盖微观和宏观两个层面。资产定价模型（CAPM）、行为金融分析中的事件研究方法等属于微观金融领域的计量分析，而动态时间序列模型更多地用在宏观金融领域。 随着学科的发展，金融计量方法的微观与宏观分析也不是绝对泾渭分明的，微宏观分析的结合也是金融计量分析中经常遇到的现象。 从具体内容上看，金融计量学涵盖了宏微观金融理论检验、资本资产定价、金融变量相关关系的假设检验、经济状态对金融市场的影响分析以及金融变量预测等多方面的内容。 1.2 金融时间序列数据 广义地讲，将某种金融随机变量按出现时间的顺序排列起来称为金融时间序列。 从现实世界的角度看，金融时间序列就是指在一定时期内按时间先后顺序排列的金融随机变量。 2000年1月-2010年10月 数据来源： 国泰安数据库 (b) 2004年7月1日-2010年10月29日（5天/周） 数据来源： 国泰安数据库 2005年7月1日－2010年11月12日 数据来源：Federal Reserve Bank of St. Louis 1971年1月4日－2010年11月12日 数据来源： Federal Reserve Bank of St. Louis 1995年1月－2010年9月 数据来源：中国国家统计局、经济景气月报 2002年M01－2010年M11 数据来源：中国人民银行（经作者计算） 从这几幅图中可以看到，不同的金融时间序列变量展示出各种各样的变动轨迹，经济学者经常把金融时间序列变量的这种随时间变化的轨迹称为“动态路径”，其中“动态”一词的含义实质上就是指“随时间变化”。在一个动态模型中，不同时刻变量间的数量关系被称为“数据生成过程”。如股票价格序列可以看作由下列方程生成：（教材第3页） 静态模型涉及同一时刻的不同变量