书名：金融计量经济学导论（第三版）

定价：118.00元

作者：克里斯·布鲁克斯

出版社：格致出版社

ISBN：9787543229761

适读人群 ：高等院校金融学和经济学专业的研究生、教师，相关领域研究学者

随着金融开始以各种模样走近人们的生活，金融专业越来越热门，因而正如作者在本书序中所言，“金融专业的学生背景差别很大”，相应地，大家在数学和统计方面的受训程度也不尽相同。在这样的背景下，一本既适用于不同专业和受训背景，又能较为全面地涵盖相关重要概念、为读者提供切实帮助的金融计量经济学教材，实属必要。

本书正是出于这样的动机写作而成的。作者克里斯·布鲁克斯是英国雷丁大学亨利商学院ICMA中心的金融学教授兼研究主任。他在书中，对金融领域常常使用的计量经济学方法进行了较为全面的阐述，同时列举了详细的案例指导，以便学生可以将书中所述的方法用于实践。此外，作者还给出了各个专题下统计软件Eviews的操作指南，指导学生进行软件建模和解释。本书还附有大量可供学生和教师使用的资源。无论是理论方面还是实践方面，本书都是一本使用方便、内容全面的入门书。

《金融计量经济学导论》为金融学子提供了一系列的学习资源，自出版后受到了读者的普遍欢迎，并被选为教科书用于课程教学。本书对金融领域常常使用的计量经济学方法进行了全方位的阐述，同时列举了详细的案例分析，并对学生在金融环境下将这些实证研究方法付诸实践给予了指导。同时，本书运还用了*新版本的统计软件Eviews指导学生进行模型构建并对其结果进行解释。各章中的学习成果、基本概念和章末自测题（配有线上解答）等板块强调了该部分的主要内容，学生可以自行检测学习情况。本书前两版成功地构建了数据和问题驱动的研究方法，第三版在此基础上进行了数据更新，并扩充了案例和教学入门材料，以便为初学者提供理解上方便。此外，本书配套的网站拥有大量供学生和教师使用的资源，并提供了完整的教学包。

1 导论

1.1 什么是计量经济学？

1.2 “金融计量经济学”和“经济计量经济学”的区别

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 在阅读实证金融文献时需要考虑的几个要点

1.7 关于贝叶斯统计

1.8 EViews简介

1.9 延伸阅读

1.10 本书其余部分概要

自测题

2 数学和统计基础

2.1 函数

2.2 微分学

2.3 矩阵

2.4 概率和概率分布

2.5 描述性统计

自测题

3 经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 EViews中的简单线性回归——估计最优套期保值比率

3.6 经典线性回归模型下的假定

3.7 OLS估计量的性质

3.8 精确性和标准误差

3.9 统计推断导论

3.10 特殊类型的假设检验：t比率

3.11 对金融理论进行简单的t检验——美国共同基金能跑赢市场吗？

3.12 英国的单位信托经理们能打败市场吗？

3.13 过度反应假设和英国股票市场

3.14 确切的显著性水平

3.15 EViews中的假设检验——例1：重估套期保值比率

3.16 EViews中的假设检验——例2：CAPM

附录：CLRM结果的数学推导

自测题

4 对经典线性回归模型的进一步探讨

4.1 从简单模型推广到多元线性回归模型

4.2 常数项

4.3 在多元回归中如何计算参数（β向量中的元素）？

4.4 检验多重假设：F检验

4.5 对样本进行多重假设检验的EViews输出结果

4.6 运用APT类模型在EViews中进行多元回归

4.7 数据挖掘和真实的检验规模

4.8 拟合优度统计量

4.9 特征价格模型

4.10 对于非嵌套假设的检验

4.11 分位数回归

附录4.1 CLRM结果的数学推导

附录4.2 对因子模型和主成分分析法的简单介绍

自测题

5 经典线性回归模型的假设和诊断检验

5.1 引言

5.2 诊断检验的统计分布

5.3 假定1：E(ut)=0

5.4 假定2：var(ut)=σ2<∞

5.5 假定3：对于i≠j，cov(ui,uj)=0

5.6 假定4：xt非随机

5.7 假定5：扰动项服从正态分布

5.8 多重共线性

5.9 函数形式错误

5.10 忽略重要变量所带来的问题

5.11 包含无关变量的情况

5.12 参数稳定性检验

5.13 测量误差

5.14 构建计量经济学模型的策略以及对建模理念的探讨

5.15 确定主权信用评级

自测题

6 单变量时间序列建模与预测

6.1 引言

6.2 一些术语和概念

6.3 移动平均过程

6.4 自回归过程

6.5 偏自相关函数

6.6 ARMA过程

6.7 建立ARMA模型：Box-Jenkins方法

6.8 在EViews中建立ARMA模型

6.9 金融时间序列建模

6.10 指数平滑

6.11 计量经济学中的预测

6.12 在EViews中运用ARMA模型进行预测

6.13 用EViews估计指数平滑模型

自测题

7 多元模型

7.1 动机

7.2 联立方程偏差

7.3 如何有效估计联立方程模型？

7.4 可以从π中获得初始系数值吗？

7.5 金融学中的联立方程

7.6 外生性的定义

7.7 三元系统

7.8 联立方程系统的估计步骤

7.9 联立方程模型在买卖价差和交易活动建模中的应用

7.10 EViews中的联立方程建模

7.11 向量自回归模型

7.12 VAR模型中应该包含同期项吗？

7.13 分块显著性检验和因果关系检验

7.14 包含外生变量的VAR模型

7.15 脉冲响应和方差分解

7.16 VAR模型应用实例：资产收益率和宏观经济的相互影响

7.17 EViews中的VAR模型估计

自测题

8 金融领域中的长期关系建模

8.1 平稳性和单位根检验

8.2 存在结构突变时的单位根检验

8.3 用EViews进行单位根检验

8.4 协整

8.5 误差校正模型

8.6 检验回归中的协整：一种基于残差的方法

8.7 协整系统中的参数估计方法

8.8 期货市场和现货市场的领先—滞后及长期关系

8.9 运用基于VAR的Johansen技术来检验和估计协整系统

8.10 购买力平价

8.11 国际债券市场间的协整

8.12 检验利率期限结构的预期假说

8.13 用EViews检验协整并为协整系统建模

自测题

9 波动率和相关性建模

9.1 动机：进入非线性领域

9.2 波动率模型

9.3 历史波动率

9.4 隐含波动率模型

9.5 指数加权移动平均模型

9.6 自回归波动率模型

9.7 自回归条件异方差模型

9.8 广义ARCH（GARCH）模型

9.9 估计ARCH/GARCH模型

9.10 基本GARCH模型的扩展

9.11 非对称GARCH模型

9.12 GJR模型

9.13 EGARCH模型

9.14 在EViews中估计GJR和EGARCH

9.15 检验波动非对称性

9.16 GARCH-M模型

9.17 运用GARCH类模型预测波动率

9.18 检验非线性约束或非线性模型假设

9.19 波动率预测：文献中的一些例子及结果

9.20 回顾随机波动模型

9.21 预测协方差和相关性

9.22 金融中的协方差建模与预测：几个例子

9.23 简单协方差模型

9.24 多元GARCH模型

9.25 直接相关模型

9.26 对基本多元GARCH模型的拓展

9.27 带有时变协方差的CAPM多元GARCH模型

9.28 估计FTSE指数收益率的时变套期保值比率

9.29 多元随机波动模型

9.30 用EViews估计多元GARCH模型

附录：基于极大似然方法的参数估计