本书对金融统计方法及其在金融领域中的运用进行了详细的讲解与分析,书中每部分的内容由浅入深,易于理解。与目前的同类教材相比,本书更加侧重统计与计量方法在金融市场和衍生品领域的应用性,在方法的讲解与分析上也更加全面。此外,本书还以2008年金融危机为背景将统计方法运用于此次危机中一些重要的金融衍生品如CDO等的分析。
前言
全球金融危机(2007~2009)以及尾随其后的欧债危机(2009~)给商业、经济和政府管理都带来了巨大的改变。外溢效应和危机的全球化造成了数百亿美元的损失,并给当代社会带来了巨大的挑战。因此,对我们而言,修正教材并对金融统计学和计量经济学进行更为现实的研究已成为迫在眉睫的任务。特别地,我们认为有必要着重探讨一下担保债务凭证CDO(见第22章),此金融工具在全球金融危机爆发前变得尤为流行,并因此被主流媒体视为危机的导火索之一。通过观察近年来利率市场的重要变化,我们重构并更新了第10章。在第18章和第22章,我们用最近的数据更新了数据分析。此外,所有章节的练习也匹配了更新后的习题册(S.Borak,W.K.Hrdle and B.Lopez Cabrera (Springer Verlag,Heidelberg,ISBN:978-3-642-33929-5))。除了这些改变,我们还修正了第3版的一些细节错误并补充了符号和定义部分。最后,我们特别要感谢这一版的编辑Piotr Majer。
所有文件可以从Springer.com网站下载。
于尔根·弗兰克(Jürgen Franke)凯撒斯劳滕工业大学沃尔夫冈·卡尔·哈德勒(Wolfgang K.Hrdle)柏林大学克里斯蒂安·马蒂亚斯·哈夫纳(Christian M.Hafner)比利时鲁汶大学2015年1月
译者序本书对金融统计方法及其在金融领域中的运用进行了详细的讲解与分析,书中每部分的内容均由浅入深,易于理解。与目前的同类教材相比,本书更加侧重统计与计量方法在金融市场和衍生品领域的应用性,在方法的讲解与分析上也更加全面。此外,本书还以2008年金融危机为背景,将统计方法运用于此次危机中一些重要的金融衍生品(如CDO等)的分析中。
本书主要涵盖三部分内容:第一部分内容为期权定价理论,该部分内容在对相关金融衍生品和数学基础知识进行介绍的基础上,对相关期权定价模型和理论进行了详细的讲解;第二部分内容为金融时间序列统计模型,该部分对金融时间序列相关统计计量模型如ARIMA模型等,进行了详细的讲解;第三部分介绍了一些统计计量方法在金融领域,如投资组合选择、风险管理中的应用。
该书各部分的内容介绍均由浅入深,因此,对于本科生、硕士生和博士生均较为合适。对于本科生来说,部分较难的内容可以作为扩展阅读。
本书得以完成,得到了许多同学的无私支持。在此,译者感谢金浩、王梦妍、赵琳、刘芳、王祥、徐颜玉、刘朝良、林滨、余沛瑶、相良等同学在本书部分内容翻译、公式编辑和图表整理上所给予的帮助。另外,在本书的出版过程中,还得到了机械工业出版社华章分社的大力帮助,特此表示衷心的谢意。
本书部分内容难度较大,尽管译者在翻译过程中始终谨慎动笔、仔细求证,但难免还会存在些许疏漏,恳请广大读者批评指正。
作者简介于尔根·弗兰克(Jürgen Franke)凯撒斯劳腾工业大学数学系教授,主要研究领域包括:运用神经网络模型、整时间序列和非参数非线性时间序列模型作为阈值模型来研究参数、非平稳时间序列模型、混合模型(如马尔科夫转换模型)、风险量化、积分时间序列等。
沃尔夫冈·卡尔·哈德勒(Wolfgang Karl Hrdle)柏林洪堡大学经济商学院统计计量研究所终身教授,同时为数据研究中心主任,IRTG项目总负责人,厦门大学外籍专家教授。主要研究领域包括:修均法、离散选择模型、金融市场和计算机辅助统计领域的统计建模,近则在研究隐含波动率建模以及金融风险的统计分析。
克里斯蒂安·马蒂亚斯·哈夫纳(Christian Matthias Hafner)比利时鲁汶大学教授,统计、生物统计学和精算科学学院院长,鲁汶大学运筹学与计量经济学研究中心准会员,在Studies in Nonlinear Dynamics and Econometrics、Computational Statistics、Banking and Finance Review等期刊任副主编。主要研究领域包括:时间序列计量经济学、应用非参数统计和实证金融。
前 言
译者序
作者简介
译者简介
第一部分
期权定价
第1章 衍生品2
文献推荐6
练习6
第2章 期权管理8
2.1 套利关系8
2.2 投资组合保险15
2.3 单期二叉树模型20
文献推荐22
练习23
第3章 概率论基础25
3.1 实值随机变量25
3.2 期望与方差27
3.3 偏度和峰度27
3.4 随机向量,依赖性,相关性28
3.5 条件概率和期望29
文献推荐30
练习30
第4章 离散时间随机过程32
4.1 二项过程32
4.2 三项过程35
4.3 一般随机游走36
4.4 几何随机游走36
4.5 拥有状态依赖型增量的二项模型37
文献推荐38
练习38
第5章 随机积分与微分方程39
5.1 维纳过程39
5.2 随机积分41
5.3 随机微分方程43
5.4 作为随机过程的股价45
5.5 伊藤引理46
文献推荐48
练习48
第6章 Black-Scholes期权定价模型50
6.1 Black-Scholes微分方程50
6.2 欧式期权的Black-Scholes公式54
6.3 模拟59
6.4 风险管理和套期保值66
文献推荐75
练习76
第7章 欧式期权的二叉树模型79
7.1 Cox-Ross-Rubinstein期权定价法80
7.2 离散股息83
文献推荐85
练习86
第8章 美式期权87
8.1 美式期权的套利关系87
8.2 三叉树模型92
文献推荐94
练习94
第9章 奇异期权96
9.1 复合期权,期权的期权97
9.2 后定期权或“如你所愿”期权98
9.3 障碍期权98
9.4 亚式期权100
9.5 回望期权101
9.6 棘轮期权102
9.7 篮子期权103
文献推荐104
练习104
第10章 利率和利率衍生品106
10.1 定义和标记106
10.2 风险中性定价和计价单位测度108
10.3 利率衍生品112
10.4 利率建模117
10.5 债券定价123
10.6 校准利率模型124
文献推荐129
练习129
第二部分
金融时间序列统计模型
第11章 导论:定义与概念132
11.1 一些定义132
11.2 对于德国和英国股票收益率的统计分析137
11.3 预期与有效市场139
11.4 计量模型:一个简单的总结142
11.5 随机游走假设149
11.6 单位根检验150
文献推荐156
练习156
第12章 ARIMA时间序列模型158
12.1 移动平均过程158
12.2 自回归过程(Autoregressive Process)160
12.3 ARMA过程162
12.4 偏自相关(Partial Autocorrelation)163
12.5 矩估计(Estimation of Moments)166
12.6 Portmanteau统计量168
12.7 估计AR(p)模型168
12.8 估计MA(q)和ARMA(p,q)模型169
文献推荐172
练习172
第13章 具有随机波动率的时间序列175
13.1 ARCH和GARCH模型176
13.2 GARCH模型的拓展190
13.3 GARCH的缺陷194
13.4 多变量GARCH模型200
13.5 连续时间的GARCH模型205
文献推荐209
练习209
第14章 长期记忆时间序列211
14.1 长期依赖的定义211
14.2 分整和长期记忆212
14.3 长期记忆和自相似过程213
14.4 长期记忆的发现216
14.5 长期记忆参数的估计218
14.6 长期记忆模型220
14.7 经验证据222
文献推荐224
第15章 非参数计量和灵活时间序列估计量225
15.1 非参数回归225
15.2 估计量的构建227
15.3 示例228
15.4 灵活波动率估计量228
15.5 基于ARCH模型的期权定价229
15.6 DAX看涨期权估值中的应用233
文献推荐235
第三部分
金融市场应用
第16章 在险价值与后验测试238
16.1 预测与VaR模型239
16.2 期望损失后验测试法241
16.3 后验测试的实际操作242
文献推荐245
练习245
第17章 连接与在险价值248
17.1 连接249
17.2 连接分类251
17.3 蒙特卡洛模拟257
17.4 连接的估计260
17.5 资产配置263
17.6 投资组合收益率的在险价值263
文献推荐272
练习272
第18章 极端风险的统计273
18.1 风险测度273
18.2 数据描述275
18.3 估计方法277
18.4 后验测试291
18.5 时间序列的极值理论291
文献推荐295
练习296
第19章 神经网络298
19.1 从感知器到非线性神经元299
19.2 反向传播(Back Propagation)算法304
19.3 神经网络在非参数回归中的应用305
19.4 神经网络在金融时间序列预测中的应用309
19.5 神经网络在风险定量研究中的应用311
文献推荐314
第20章 期权投资组合的波动性风险315
20.1 数据说明316
20.2 VDAX动态的主成分因子分析317
20.3 VDAX动态的稳定性分析319
20.4 隐含波动率风险的测度320
文献推荐321
练习322
第21章 违约概率的非参数估计324
21.1 逻辑回归(Logistic Regression)324
21.2 信用评级的半参数模型325
21.3 神经网络在信用评级中的应用328
第22章 信贷风险管理及信用衍生产品329
22.1 基本概念329
22.2 伯努利模型330
22.3 泊松模型331
22.4 工业模型332
22.5 单因子模型335
22.6 连接函数和损失分布336
22.7 担保债