1 導(dǎo)論 1.1 什么是計量經(jīng)濟(jì)學(xué)？ 1.2 “金融計量經(jīng)濟(jì)學(xué)”和“經(jīng)濟(jì)計量經(jīng)濟(jì)學(xué)”的區(qū)別 1.3 數(shù)據(jù)類型 1.4 金融模型中的收益率 1.5 構(gòu)建計量經(jīng)濟(jì)模型的步驟 1.6 在閱讀實證金融文獻(xiàn)時需要考慮的幾個要點 1.7 關(guān)于貝葉斯統(tǒng)計 1.8 EViews簡介 1.9 延伸閱讀 1.10 本書其余部分概要 自測題 2 數(shù)學(xué)和統(tǒng)計基礎(chǔ) 2.1 函數(shù) 2.2 微分學(xué) 2.3 矩陣 2.4 概率和概率分布 2.5 描述性統(tǒng)計 自測題 3 經(jīng)典線性回歸模型概要 3.1 什么是回歸模型 3.2 回歸與相關(guān) 3.3 簡單回歸 3.4 一些專門術(shù)語 3.5 EViews中的簡單線性回歸——估計*優(yōu)套期保值比率 3.6 經(jīng)典線性回歸模型下的假定 3.7 OLS估計量的性質(zhì) 3.8 精確性和標(biāo)準(zhǔn)誤差 3.9 統(tǒng)計推斷導(dǎo)論 3.10 特殊類型的假設(shè)檢驗：t比率 3.11 對金融理論進(jìn)行簡單的t檢驗——美國共同基金能跑贏市場嗎？ 3.12 英國的單位信托經(jīng)理們能打敗市場嗎？ 3.13 過度反應(yīng)假設(shè)和英國股票市場 3.14 確切的顯著性水平 3.15 EViews中的假設(shè)檢驗——例1：重估套期保值比率 3.16 EViews中的假設(shè)檢驗——例2：CAPM 附錄：CLRM結(jié)果的數(shù)學(xué)推導(dǎo) 自測題 4 對經(jīng)典線性回歸模型的進(jìn)一步探討 4.1 從簡單模型推廣到多元線性回歸模型 4.2 常數(shù)項 4.3 在多元回歸中如何計算參數(shù)（β向量中的元素）？ 4.4 檢驗多重假設(shè)：F檢驗 4.5 對樣本進(jìn)行多重假設(shè)檢驗的EViews輸出結(jié)果 4.6 運用APT類模型在EViews中進(jìn)行多元回歸 4.7 數(shù)據(jù)挖掘和真實的檢驗規(guī)模 4.8 擬合優(yōu)度統(tǒng)計量 4.9 特征價格模型 4.10 對于非嵌套假設(shè)的檢驗 4.11 分位數(shù)回歸 附錄4.1 CLRM結(jié)果的數(shù)學(xué)推導(dǎo) 附錄4.2 對因子模型和主成分分析法的簡單介紹 自測題 5 經(jīng)典線性回歸模型的假設(shè)和診斷檢驗 5.1 引言 5.2 診斷檢驗的統(tǒng)計分布5.3 假定1：E(ut)=0 5.4 假定2：var(ut)=σ2<∞ 5.5 假定3：對于i≠j，cov(ui,uj)=0 5.6 假定4：xt非隨機(jī) 5.7 假定5：擾動項服從正態(tài)分布 5.8 多重共線性 5.9 函數(shù)形式錯誤 5.10 忽略重要變量所帶來的問題 5.11 包含無關(guān)變量的情況 5.12 參數(shù)穩(wěn)定性檢驗 5.13 測量誤差 5.14 構(gòu)建計量經(jīng)濟(jì)學(xué)模型的策略以及對建模理念的探討 5.15 確定主權(quán)信用評級 自測題 6 單變量時間序列建模與預(yù)測6.1 引言 6.2 一些術(shù)語和概念6.3 移動平均過程6.4 自回歸過程6.5 偏自相關(guān)函數(shù) 6.6 ARMA過程 6.7 建立ARMA模型：Box-Jenkins方法6.8 在EViews中建立ARMA模型6.9 金融時間序列建模6.10 指數(shù)平滑6.11 計量經(jīng)濟(jì)學(xué)中的預(yù)測6.12 在EViews中運用ARMA模型進(jìn)行預(yù)測 6.13 用EViews估計指數(shù)平滑模型自測題7 多元模型 7.1 動機(jī)7.2 聯(lián)立方程偏差7.3 如何有效估計聯(lián)立方程模型？7.4 可以從π中獲得初始系數(shù)值嗎？7.5 金融學(xué)中的聯(lián)立方程7.6 外生性的定義7.7 三元系統(tǒng)7.8 聯(lián)立方程系統(tǒng)的估計步驟7.9 聯(lián)立方程模型在買賣價差和交易活動建模中的應(yīng)用 7.10 EViews中的聯(lián)立方程建模7.11 向量自回歸模型7.12 VAR模型中應(yīng)該包含同期項嗎？7.13 分塊顯著性檢驗和因果關(guān)系檢驗7.14 包含外生變量的VAR模型7.15 脈沖響應(yīng)和方差分解 7.16 VAR模型應(yīng)用實例：資產(chǎn)收益率和宏觀經(jīng)濟(jì)的相互影響7.17 EViews中的VAR模型估計自測題8 金融領(lǐng)域中的長期關(guān)系建模8.1 平穩(wěn)性和單位根檢驗8.2 存在結(jié)構(gòu)突變時的單位根檢驗8.3 用EViews進(jìn)行單位根檢驗8.4 協(xié)整8.5 誤差校正模型8.6 檢驗回歸中的協(xié)整：一種基于殘差的方法8.7 協(xié)整系統(tǒng)中的參數(shù)估計方法8.8 期貨市場和現(xiàn)貨市場的領(lǐng)先—滯后及長期關(guān)系8.9 運用基于VAR的Johansen技術(shù)來檢驗和估計協(xié)整系統(tǒng)8.10 購買力平價8.11 國際債券市場間的協(xié)整8.12 檢驗利率期限結(jié)構(gòu)的預(yù)期假說8.13 用EViews檢驗協(xié)整并為協(xié)整系統(tǒng)建模自測題9 波動率和相關(guān)性建模9.1 動機(jī)：進(jìn)入非線性領(lǐng)域9.2 波動率模型9.3 歷史波動率9.4 隱含波動率模型9.5 指數(shù)加權(quán)移動平均模型9.6 自回歸波動率模型9.7 自回歸條件異方差模型9.8 廣義ARCH（GARCH）模型9.9 估計ARCH/GARCH模型9.10 基本GARCH模型的擴(kuò)展9.11 非對稱GARCH模型9.12 GJR模型9.13 EGARCH模型9.14 在EViews中估計GJR和EGARCH9.15 檢驗波動非對稱性9.16 GARCH-M模型9.17 運用GARCH類模型預(yù)測波動率9.18 檢驗非線性約束或非線性模型假設(shè)9.19 波動率預(yù)測：文獻(xiàn)中的一些例子及結(jié)果9.20 回顧隨機(jī)波動模型9.21 預(yù)測協(xié)方差和相關(guān)性9.22 金融中的協(xié)方差建模與預(yù)測：幾個例子9.23 簡單協(xié)方差模型 9.24 多元GARCH模型9.25 直接相關(guān)模型9.26 對基本多元GARCH模型的拓展9.27 帶有時變協(xié)方差的CAPM多元GARCH模型9.28 估計FTSE指數(shù)收益率的時變套期保值比率9.29 多元隨機(jī)波動模型9.30 用EViews估計多元GARCH模型附錄：基于極大似然方法的參數(shù)估計自測題10 轉(zhuǎn)換模型10.1 動因10.2 金融市場中的季節(jié)性：簡介與文獻(xiàn)綜述10.3 對金融數(shù)據(jù)中的季節(jié)效應(yīng)建模10.4 估計簡單分段線性函數(shù) 10.5 馬爾科夫轉(zhuǎn)換模型10.6 實際匯率的一個馬爾科夫轉(zhuǎn)換模型10.7 馬爾科夫轉(zhuǎn)換模型的應(yīng)用：金邊債券與股票的收益率之比10.8 用EViews估計馬爾科夫轉(zhuǎn)換模型10.9 門檻自回歸模型10.10 估計門檻自回歸模型10.11 馬爾科夫轉(zhuǎn)換模型和門檻自回歸模型中的設(shè)定檢驗：一個忠告10.12 法國法郎——德國馬克匯率的SETAR模型10.13 FTSE100指數(shù)及其股指期貨市場的門檻模型10.14 關(guān)于機(jī)制轉(zhuǎn)換模型和預(yù)測精度自測題 11 面板數(shù)據(jù) 11.1 什么是面板技術(shù)及如何使用這一技術(shù)？11.2 面板技術(shù)11.3 固定效應(yīng)模型11.4 時間固定效應(yīng)模型11.5 用固定效應(yīng)模型來考察銀行業(yè)競爭問題11.6 隨機(jī)效應(yīng)模型11.7 運用面板數(shù)據(jù)研究中歐和東歐銀行業(yè)信用的穩(wěn)定性 11.8 在EViews中估計面板模型11.9 面板單位根檢驗和面板協(xié)整檢驗11.10 延伸閱讀自測題12 受限因變量模型12.1 簡介與動機(jī) 12.2 線性概率模型 12.3 Logit模型12.4 用Logit模型檢驗啄食順序假說12.5 Probit模型12.6 如何在Logit模型和Probit模型中做出選擇？ 12.7 估計受限因變量模型12.8 衡量線性因變量模型的擬合優(yōu)度12.9 多項線性因變量12.10 重溫啄食順序假說——在不同融資方式間做出選擇12.11 排序響應(yīng)線性因變量模型12.12 被動評級是向下有偏的嗎？一個排序Probit分析 12.13 審查因變量和截斷因變量 12.14 用EViews估計受限因變量模型自測題附錄：Logit模型和Probit模型的極大似然估計量13 模擬方法 13.1 動機(jī)13.2 蒙特卡洛模擬13.3 方差縮減技術(shù)13.4 自舉法13.5 隨機(jī)數(shù)生成器13.6 模擬方法在解決計量經(jīng)濟(jì)或金融問題時的缺陷 13.7 計量經(jīng)濟(jì)學(xué)中的蒙特卡洛模擬：導(dǎo)出DF檢驗的臨界值 13.8 實例：模擬期權(quán)定價13.9 實例：運用自舉法計算風(fēng)險資本要求自測題14 金融學(xué)實證分析、課題研究和論文撰寫14.1 實證研究的概念和目的14.2 選題14.3 是在資助下進(jìn)行研究還是開展獨立研究？ 14.4 研究提綱14.5 網(wǎng)絡(luò)上的工作論文和文獻(xiàn)14.6 關(guān)于獲取數(shù)據(jù)14.7 關(guān)于選擇計算機(jī)軟件14.8 關(guān)于方法14.9 事件研究法 14.10 檢驗CAPM和Fama-French方法14.11 關(guān)于論文結(jié)構(gòu)14.12 論文的表達(dá)方式問題附錄1 本書中用到的數(shù)據(jù)來源附錄2 統(tǒng)計分布表術(shù)語表參考文獻(xiàn)譯后記