金融计量学第二版课件Lecture 1-01.ppt

样本矩: 有用的运算规则: 1.3.5 金融模型与金融计量模型 金融模型是依据一定的金融理论所建立的确定的等式关系。 例如依据资产定价模型，写出确定的等式： 其中，rt表示单项资产的预期收益率，rf表示无风险收益率，rm表示组合资产预期收益率，β表示单项资产的风险系数。在这种等式关系（金融模型）中不包含随机扰动因素。 金融计量模型是在金融模型的基础上，增加了随机扰动因素，用以捕捉其他可能影响金融模型等式左侧变量的因素。虽然这种随机因素一般是不可观测的，但是我们总可以对其统计分布特征加以假设或者约束，从而实现对金融计量模型的回归估计。 以刚才提到的资产定价模型为例，其对应的金融计量模型就应该写成： 其中ut是模型中的随机扰动项。 * zhangcs@ruc.edu.cn 金融计量学 张成思 目录 金融计量学初步 金融计量软件介绍 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 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 1.1 金融计量学的范畴 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。 图1.1 上证综合指数时间序列数据 (a)2000年1月-2015年8月 数据来源： 国泰安数据库 图1.1 上证综合指数时间序列数据 (b) 2004年7月1日-2015年8月1日（5天/周） 数据来源： 国泰安数据库 图1.2 人民币/美元汇率 2009年11月2日——2015年8月31日 数据来源：Federal Reserve Bank of St. Louis 图1.3 美元/英镑汇率 1978年4月28日——2015年9月11日 数据来源： Federal Reserve Bank of St. Louis 图1.4 中国CPI通胀率 1995年1月－2015年8月 数据来源：中国国家统计局、经济景气月报 图1.5 中国M1增长率（环比） 2000年1月——2015年7月 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”。 1.3 金融计量分析中的基本概念 1.3.1 增长率和收益率 简单净收益率（Simple Net Return）: 连续复合收益率（Continuously Compounded Return）： 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，