upload/duxiu_main/v/pdf/金融计量经济学基础工具、概念和资产管理应用_14766215.pdf

Pdg2Pic

producers:
FreePic2Pdf_Lib - v3.02

Bookmarks: p1 (p1): 第1章 导论
p1-1 (p1): 学习目标
p1-2 (p2): 1.1 金融计量经济学的步骤
p1-2-1 (p2): 1.1.1 模型选择
p1-2-2 (p3): 1.1.2 模型估计
p1-2-3 (p4): 1.1.3 模型检验
p1-3 (p5): 1.2 数据生成过程
p1-4 (p6): 1.3 金融计量经济学在投资管理领域的应用
p1-4-1 (p6): 1.3.1 资产配置
p1-4-2 (p7): 1.3.2 投资组合的构建
p1-4-3 (p8): 1.3.3 投资组合的风险管理
p1-5 (p10): 要点回顾
p2 (p12): 第2章 简单线性回归
p2-1 (p12): 学习目标
p2-2 (p12): 2.1 相关性的作用
p2-3 (p14): 2.2 回归模型：两个变量之间的线性函数关系
p2-4 (p15): 2.3 回归模型的分布假设
p2-5 (p17): 2.4 回归模型的估计
p2-6 (p20): 2.5 模型的拟合优度
p2-7 (p22): 2.6 简单线性回归在金融领域的两个应用
p2-7-1 (p22): 2.6.1 估计共同基金的特征线
p2-7-2 (p26): 2.6.2 控制股票投资组合的风险
p2-8 (p33): 2.7 非线性关系的线性回归
p2-9 (p34): 要点回顾
p3 (p36): 第3章 多元线性回归模型
p3-1 (p36): 学习目标
p3-2 (p36): 3.1 多元线性回归模型概述
p3-3 (p37): 3.2 多元线性回归模型的假设
p3-4 (p38): 3.3 模型参数的估计
p3-5 (p40): 3.4 模型设计
p3-6 (p40): 3.5 诊断检验及模型显著性
p3-6-1 (p41): 3.5.1 模型的显著性检验
p3-6-2 (p43): 3.5.2 自变量显著性的检验
p3-6-3 (p43): 3.5.3 新增变量的F检验
p3-7 (p44): 3.6 多元线性回归在金融领域的应用
p3-7-1 (p44): 3.6.1 久期的估计
p3-7-2 (p52): 3.6.2 预测10年期国债收益率
p3-7-3 (p59): 3.6.3 基准的选择：夏普基准
p3-7-4 (p61): 3.6.4 基于收益率的对冲基金投资风格分析
p3-7-5 (p63): 3.6.5 抵押市场的溢价／折价分析
p3-7-6 (p65): 3.6.6 强式定价效率检验
p3-7-7 (p67): 3.6.7 资本资产定价模型的检验
p3-7-8 (p69): 3.6.8 多因子模型的证明
p3-8 (p70): 要点回顾
p4 (p72): 第4章 建立和检验多重线性回归模型
p4-1 (p72): 学习目标
p4-2 (p72): 4.1 多重线性问题
p4-3 (p75): 4.2 建模技术
p4-3-1 (p76): 4.2.1 逐步包含回归方法
p4-3-2 (p77): 4.2.2 逐步排除回归方法
p4-3-3 (p77): 4.2.3 标准的逐步回归方法
p4-3-4 (p77): 4.2.4 逐步回归方法的应用
p4-4 (p78): 4.3 多元线性回归模型的假设检验
p4-4-1 (p80): 4.3.1 线性检验
p4-4-2 (p81): 4.3.2 关于误差项的假定统计特性
p4-4-3 (p82): 4.3.3 残差的正态分布检验
p4-4-4 (p83): 4.3.4 验证误差项的常方差（同方差性）
p4-4-5 (p85): 4.3.5 残差的非自相关
p4-5 (p88): 要点回顾
p5 (p91): 第5章 时间序列分析简介
p5-1 (p91): 学习目标
p5-2 (p91): 5.1 时间序列
p5-3 (p93): 5.2 时间序列的分解
p5-4 (p96): 5.3 用差分方程表示时间序列
p5-5 (p97): 5.4 应用：价格波动过程
p5-5-1 (p97): 5.4.1 随机游走模型
p5-5-2 (p99): 5.4.2 误差修正模型
p5-6 (p100): 要点回顾
p6 (p102): 第6章 回归模型中的分类变量
p6-1 (p102): 学习目标
p6-2 (p103): 6.1 自变量为分类变量
p6-3 (p123): 6.2 因变量为分类变量
p6-3-1 (p123): 6.2.1 线性概率模型
p6-3-2 (p124): 6.2.2 probit回归模型
p6-3-3 (p125): 6.2.3 logit回归模型
p6-4 (p125): 要点回顾
p7 (p127): 第7章 分位数回归
p7-1 (p127): 学习目标
p7-2 (p128): 7.1 经典回归分析的局限性
p7-3 (p128): 7.2 参数估计
p7-4 (p129): 7.3 分位数回归过程
p7-5 (p131): 7.4 分位数回归在金融领域的应用
p7-5-1 (p132): 7.4.1 投资组合管理者风格的决定因素
p7-5-2 (p134): 7.4.2 影响资本结构的决定因素
p7-6 (p137): 要点回顾
p8 (p138): 第8章 稳健回归
p8-1 (p138): 学习目标
p8-2 (p139): 8.1 稳健回归估计
p8-3 (p145): 8.2 协方差和相关矩阵的稳健估计
p8-4 (p147): 8.3 应用
p8-5 (p148): 要点回顾
p9 (p149): 第9章 自回归移动平均模型
p9-1 (p149): 学习目标
p9-2 (p150): 9.1 自回归模型
p9-3 (p153): 9.2 移动平均模型
p9-4 (p155): 9.3 自回归移动平均模型概述
p9-5 (p158): 9.4 使用ARMA模型预测标准普尔500指数的周收益
p9-6 (p162): 9.5 向量自回归模型
p9-7 (p163): 要点回顾
p10 (p164): 第10章 协整
p10-1 (p164): 学习目标
p10-2 (p165): 10.1 平稳、非平稳时间序列和协整
p10-3 (p169): 10.2 协整关系检验
p10-3-1 (p169): 10.2.1 Engle-Granger协整检验
p10-3-2 (p176): 10.2.2 Johansen-Juselius协整检验
p10-4 (p181): 要点回顾
p11 (p182): 第11章 自回归异方差模型及其扩展
p11-1 (p182): 学习目标
p11-2 (p183): 11.1 估计和预测时间序列的波动性
p11-3 (p184): 11.2 ARCH模型
p11-3-1 (p184): 11.2.1 ARCH行为
p11-3-2 (p187): 11.2.2 ARCH模型表现
p11-3-3 (p191): 11.2.3 ARCH均值模型
p11-4 (p191): 11.3 GARCH模型
p11-4-1 (p193): 11.3.1 ARCH/GARCH模型应用
p11-4-2 (p194): 11.3.2 GARCH模型的单变量扩展
p11-4-3 (p196): 11.3.3 ARCH/GARCH模型的参数估计
p11-4-4 (p196): 11.3.4 GARCH模型在期权定价上的应用
p11-4-5 (p197): 11.3.5 ARCH/GARCH模型的多元扩展
p11-5 (p200): 要点回顾
p12 (p201): 第12章 因子分析和主成分分析
p12-1 (p201): 学习目标
p12-2 (p202): 12.1 线性回归的假设
p12-3 (p203): 12.2 因子模型的基本概念
p12-4 (p206): 12.3 因子模型的假设和分类
p12-5 (p206): 12.4 因子模型与线性回归的异同
p12-6 (p207): 12.5 因子模型的性质
p12-7 (p209): 12.6 因子模型的估计
p12-7-1 (p209): 12.6.1 因子的不确定性问题
p12-7-2 (p210): 12.6.2 因子的数量估量
p12-7-3 (p210): 12.6.3 模型参数估计
p12-7-4 (p214): 12.6.4 因子的估计
p12-7-5 (p216): 12.6.5 其他类型的因子模型
p12-8 (p216): 12.7 主成分分析
p12-8-1 (p216): 12.7.1 主成分分析步骤
p12-8-2 (p224): 12.7.2 主成分分析的过程
p12-9 (p224): 12.8 因子分析与主成分分析之间的差异
p12-10 (p225): 12.9 近似（大）因子模型
p12-11 (p226): 12.10 近似因子模型和主成分分析
p12-12 (p227): 要点回顾
p13 (p229): 第13章 模型估计
p13-1 (p229): 学习目标
p13-2 (p229): 13.1 统计估计与检验
p13-3 (p231): 13.2 估计方法
p13-4 (p232): 13.3 最小二乘估计法
p13-4-1 (p237): 13.3.1 普通最小二乘估计法
p13-4-2 (p238): 13.3.2 加权最小二乘估计法
p13-4-3 (p240): 13.3.3 广义最小二乘估计法
p13-5 (p240): 13.4 极大似然估计法
p13-5-1 (p241): 13.4.1 极大似然估计在回归模型中的应用之一
p13-5-2 (p242): 13.4.2 极大似然估计在回归模型中的应用之二
p13-5-3 (p244): 13.4.3 极大似然估计在因子模型中的应用
p13-6 (p244): 13.5 工具变量估计法
p13-7 (p245): 13.6 矩估计法
p13-8 (p250): 13.7 M估计方法和M估计量
p13-9 (p250): 要点回顾
p14 (p251): 第14章 模型选择
p14-1 (p251): 学习目标
p14-2 (p251): 14.1 物理和经济学：科学的两种途径
p14-3 (p253): 14.2 对复杂性建模和样本容量
p14-4 (p255): 14.3 数据透视
p14-5 (p256): 14.4 幸存者偏差和其他样本缺陷
p14-6 (p259): 14.5 模型风险
p14-7 (p260): 14.6 模型选择小结
p14-8 (p262): 要点回顾
p15 (p264): 第15章 使用金融计量经济模型构建和实施投资策略
p15-1 (p264): 学习目标
p15-2 (p265): 15.1 量化研究过程
p15-2-1 (p266): 15.1.1 基于金融经济理论形成一个事前的合理推断
p15-2-2 (p267): 15.1.2 避免样本中的幸存者偏差
p15-2-3 (p268): 15.1.3 选择模型的估计方法
p15-2-4 (p268): 15.1.4 拟合和预测的权衡
p15-2-5 (p270): 15.1.5 情绪的影响
p15-2-6 (p271): 15.1.6 统计显著并不能保证alpha
p15-3 (p272): 15.2 投资策略的构建过程
p15-3-1 (p272): 15.2.1 建立估计预期收益的模型
p15-3-2 (p274): 15.2.2 独立的风险控制
p15-4 (p276): 要点回顾
p16 (p277): 附录A 描述性统计
p17 (p297): 附录B 金融计量经济学常用的连续概率分布
p18 (p311): 附录C 推断统计
p19 (p332): 附录D 矩阵代数基础
p20 (p343): 附录E 模型选择准则：AIC和BIC
p21 (p347): 附录F 稳健统计

2024-06-27