具体描述
本书的目标读者主要是本科生或硕士研究生(包括MBA学生),这些学生需要掌握广泛的现代计量经济技术。同时我们也希望,该书对需要了解金融领域广泛使用的统计工具的研究者(包括理论型的和应用型的)有所帮肋。本书还可用于金融学、金融经济学、证券和投资学的本科生或研究生的金融时间序列分析或金融计量经济学课程。
为了尽可能被读者所接受,本书尽量降低数量技术知识方面的要求,读者只需具备初等的微积分,代数(包括矩阵)以及基础统计学知识即可,本书在附录部分对它们进行了简单的叙述。本书始终强调的是将这些技术有效地应用于处理金融领域中的真实数据和问题。
在金融和投资领域方面,本书假定读者已具有公司理财,金融市场和投资学的基础知识。因此,诸如现代投资组合理论、资本资产定价模型(CAPM)、套利定价理论(APT)、有效市场假说、衍生证券定价以及利率期限结构等问题,虽然在整本书中经常提及,但本书并未对其进行深入探讨。
作者简介
邹宏元,11956年生,1西南财经大学金融学院教授,1领导.a长期从事国际金融和宏观经济学的教学与科研,1公开发表论文十余篇,1参与过多部教材的编写工作.a
目录信息
1.1 什么是计量经济学
1.2 金融计量经济学不同于“经济计量经济学”吗?——金融数据的一些固有特征
1.3 数据类型
1.4 金融模型中的收益率
1.5 构建计量经济模型的步骤
1.6 在阅读金融文献时需要考虑到的几个问题
1.7 本书其余部分的概要
第2章 金融数据建模的计量经济学软件包
2.1 哪些软件包可供使用
. 2.2 选择软件包
2.3 使用这两个软件包来完成简单的任务
2.4 winrats软件
2.5 eviews软件
2.6 参考读物
附录 计量经济学软件包供应商
第3章 古典线性回归模型概要
3.1 什么是回归模型
3.2 回归与相关
3.3 简单回归
3.4 一些专门术语
3.5 在古典线性回归模型下的假定
3.6 ols估计量的性质
3.7 精确性和标准误差
3.8 统计推理导论
3.9 从简单模型到多元线性回归
3.10 常数项
3.11 在一般回归方程中如何计算参数(向量β的元素)
3.12 特殊类型的假设检验:τ比率
3.13 数据开采及检验的实际大小
3.14 运用简单的τ检验来检验金融理论的例子—— 美国共同基金能羸得市场吗?
3.15 英国单位信托基金管理者能羸得市场吗?
3.16 过度反应假设和英国股票市场
3.17 检验多重假设
3.18 简单线性回归的eviews和rats命令及结果
附录 clrm结果的数学推导
3a.1 二元情况下推导ols系数估计量
3a.2 在二元情奖品下推导截距和斜率的ols标准误差估计量
3a.3 在多元回归情奖品下推导ols系数估计量
3a.4 在多元回归情况下推导ols标准误差估计量
思考题
第4章 古典线性回归模型的进一步探讨
4.1 拟合优度统计量
4.2 幸福定价模型
4.3 对非曲嵌套假设的检验
4.4 违反古典线性回归模型假设
……
第5章 一元时间序列的建模与预测
第6章 多元模型
第7章 建立金融中的长期关系模型
第8章 建立波动和相关的模型
第9章 转换模型
第10章 模拟方法
第11章 金融学实证分析、课题研究或论文撰写
第12章 金融时间序列建模的近期未来发展趋势
附录1 一些基本的数学和统计学概念回顾
附录2 统计分布表
参考文献
致谢
· · · · · · (收起)
读后感
用户评价
我一直认为，金融计量经济学是理解现代金融市场运行逻辑的基石，但很多现有的教材往往过于理论化，阅读起来枯燥乏味，难以引起读者的兴趣。然而，这本书《金融计量经济学导论》却彻底颠覆了我的认知。它以一种全新的视角，将金融市场中的不确定性和风险量化，并提供了实用的分析工具。我特别赞赏书中关于时间序列分析的章节，作者深入浅出地介绍了单位根检验、协整关系等概念，并解释了它们在资产定价和汇率预测中的重要作用。更重要的是，书中并没有止步于理论的介绍，而是花费了大量的篇幅讲解如何使用R语言等统计软件来实现这些模型。这对于我们这些希望将理论知识转化为实践技能的学习者来说，是极其宝贵的。我尝试着按照书中的步骤，在自己的电脑上运行了一些代码，亲手构建了几个模型，并且看到了令人信服的结果。这种“学以致用”的成就感，是任何单一的理论书籍都无法给予的。这本书让我深刻体会到，金融计量经济学并非冰冷的数学公式堆砌，而是连接理论与实践的桥梁，是洞察金融市场奥秘的利器。
这本书实在太令我惊喜了！一直以来，我对金融世界中的数字和模型总有一种莫名的畏惧，总觉得那离我遥不可及。直到我翻开这本《金融计量经济学导论》，这种感觉才逐渐消散。作者并没有一开始就抛出那些令人生畏的复杂公式，而是用一种循序渐进、层层剥茧的方式，将金融计量经济学中最核心的概念一点点展现在我面前。从最基础的统计学原理，到如何用它们来理解金融市场的波动，再到如何构建模型来预测未来的趋势，每一步都走得那么扎实。我尤其喜欢作者在讲解一些经典模型时，会穿插一些实际的案例分析，比如如何运用ARIMA模型来分析股票价格的短期波动，或者如何使用GARCH模型来捕捉金融资产收益率的聚集性。这些案例让原本抽象的理论变得生动形象，让我能更直观地理解这些模型在现实世界中的应用价值。而且，书中的语言非常流畅，很少出现晦涩难懂的术语，即使遇到一些专业词汇，作者也会给出清晰易懂的解释。对于我这样一个金融领域的初学者来说，这本书无疑是打开金融计量经济学大门的一把金钥匙，让我看到了学习这门学科的无限可能。
我一直对金融市场的有效性以及其中的非理性行为感到好奇，而《金融计量经济学导论》这本书恰恰满足了我这一探索欲。它不仅仅是一本介绍计量模型方法的书籍，更是一本帮助我理解金融市场内在逻辑的深刻洞察。我尤其欣赏书中关于“市场效率假说”的讨论，作者并没有简单地肯定或否定这个假说，而是通过引入不同的计量检验方法，例如差分检验、格兰杰因果检验等，来分析市场信息传递的效率。这种严谨的研究态度让我受益匪浅。书中还详细介绍了如何构建投资组合模型，比如利用均值-方差模型来优化资产配置，以及如何运用蒙特卡洛模拟来评估投资组合的风险。这些内容对于我这样希望在投资领域有所建树的读者来说，具有极高的参考价值。书中大量的图表和统计输出也帮助我更好地理解模型的运行过程和结果解读。这本书让我觉得，金融计量经济学并非遥不可及的理论，而是可以用来解决实际问题的有力工具，它让我对未来的金融市场研究充满了信心。
这本书《金融计量经济学导论》给我带来的最大感受是，它彻底打通了我理解金融经济学理论和实际应用之间的壁垒。在此之前，我总是觉得金融模型就像是“黑箱”，只知道有这么个东西，但不知道它究竟是如何工作的。而这本书，通过非常详尽的讲解，让我看到了这个“黑箱”的每一个齿轮是如何转动的。我特别喜欢关于“模型选择”和“模型诊断”的章节，作者非常细致地解释了如何根据数据特点选择合适的模型，以及如何通过各种统计检验来评估模型的优劣。例如，在介绍残差分析时，作者详细说明了异方差、自相关等问题对模型结果的影响，并给出了相应的处理方法。这让我深刻理解了“模型是用来解释现实，而不是强行套用现实”的道理。此外，书中还涉及到一些前沿的计量方法，比如机器学习在金融风控中的应用，这让我看到了计量经济学在不断发展和进步。这本书的逻辑清晰，结构完整，对于任何想要深入了解金融市场背后量化逻辑的读者来说，都绝对是不可多得的佳作。
说实话，我拿到这本书《金融计量经济学导论》的时候，并没有抱太大的期望，毕竟“导论”类的书籍通常都比较浅尝辄止。但这本书却给了我巨大的惊喜。它在深度和广度上都做得非常出色。在深度上，它并没有回避一些相对复杂的模型，比如作者对向量自回归（VAR）模型和因子模型的介绍就相当到位，不仅解释了模型的原理，还详细阐述了它们在多变量时间序列分析中的应用。在广度上，它涵盖了从基础的回归分析到更为进阶的面板数据模型，以及一些在风险管理中常用的模型，如极值理论。最让我印象深刻的是，书中穿插了大量关于金融市场异象的讨论，并尝试用计量经济学的方法来解释这些现象，这大大增强了学习的趣味性和实用性。比如，在解释“小盘股效应”和“价值股效应”时，作者通过引入各种控制变量和交互项，展现了计量模型在发现和验证市场规律方面的强大力量。这本书不仅是一本教材，更像是一个研究金融市场的指南，它激发了我更深入地探索金融世界的好奇心。
过于简单了。很不好
过于简单了。很不好
过于简单了。很不好
过于简单了。很不好
过于简单了。很不好
