统计与金融

　　第1章 绪论
　　1．1 参考文献
　　第2章 概率与统计模型
　　2．1 绪论
　　2．2 概率原理
　　2．3 概率分布
　　2．4 随机变量的函数
　　2．5 随机样本
　　2．6 二项分布
　　2．7 位置参数、尺度参数和形状参数
　　2．8 常见的连续分布
　　2．9 正态分布的抽样
　　2．10 顺序统计量和样本的CDF
　　2．11 偏度和峰度
　　2．12 厚尾分布
　　2．13 大数定律和中心极限定理
　　2．14 多元分布
　　2．15 预测
　　2．16 条件分布
　　2．17 随机变量的线性函数
　　2．18 估计
　　2．19 置信区间
　　2．20 假设检验
　　2．21 小结
　　2．22 参考书目注释
　　2．23 参考文献
　　2．24 习题
　　第3章 收益
　　3．1 引言
　　3．2 行为收益
　　3．3 随机游走模型
　　3．4 随机游走假设的起源
　　3．5 有效市场假说(EMH)
　　3．6 离散的利率以及连续复合的利率
　　3．7 小结
　　3．8 参考书目注释
　　3．9 参考文献
　　3．10 习题
　　第4章 时间序列模型
　　4．1 时间序列数据
　　4．2 平稳过程
　　4．3 AR(1)(一阶线性)自回归过程
　　4．4 AR(1)过程的估计
　　4．5 AR(p)模型
　　4．6 滑动平均过程(MA)
　　4．7 ARIMA过程
　　4．8 模型选择
　　4．9 三个月期美国国债利率
　　4．10 预报
　　4．11 小结
　　4．12 参考书目注释
　　4．13 参考文献
　　4．14 习题
　　第5章 组合理论
　　5．1 预期收益和风险的权衡
　　5．2 一种风险资产和一种无风险资产
　　5．3 两类风险资产
　　5．4 两种风险资产与一种无风险资产的组合
　　5．5 N种风险资产的风险有效组合
　　5．6 二次规划
　　5．7 组合理论有用吗?
　　5．8 效用理论
　　5．9 小结
　　5．10 参考书目注释
　　5．11 参考文献
　　5．12 习题
　　第6章 回归
　　6．1 引言
　　6．2 最小二乘法
　　6．3 标准误差，t值以及户值
　　6．4 方差分析，R2分析以及F检验
　　6．5 回归对冲
　　6．6 回归以及最佳线性预测
　　6．7 模型选择
　　6．8 共线性以及方差波动
　　6．9 预测值的集中
　　6．10 非线性回归
　　6．11 一般回归模型
　　6．12 解决方法
　　6．13 双边转换回归
　　6．14 变换的几何图
　　6．15 稳健回归
　　6．16 小结
　　6．17 参考书目注释
　　6．18 参考文献
　　6．19 习题
　　第7章 资本资产定价模型
　　7．1 CAPM绪论
　　7．2 资本市场线(CML)
　　7．3 β系数和证券市场线
　　7．4 证券特征线
　　7．5 另外一些投资组合理论
　　7．6 β的估计和CAPM的检验
　　7．7 CAPM在投资组合分析中的应用
　　7．8 因素模型
　　7．9 一个有趣的问题
　　7．10 β是常数吗?
　　7．11 小结
　　7．12 参考书目注释
　　7．13 参考文献
　　7．14 习题
　　第8章 期权定价
　　8．1 引言
　　8．2 看涨期权
　　8．3 单一价格法则
　　8．4 货币的时间价值和现值
　　8．5 看涨期权定价——一个简单的二项式例子
　　8．6 二步二项式期权定价
　　8．7 由期望值进行套利定价
　　8．8 一般的二叉树模型
　　8．9 鞅
　　8．10 由二叉树到随机游走和布朗运动
　　8．11 几何布朗运动
　　8．12 运用布莱克—斯科尔斯模型
　　8．13 隐含波动率
　　8．14 看跌期权
　　8．15 期权价格的演变
　　8．16 期权和套期保值的杠杆作用
　　8．17 希腊字母
　　8．18 内在价值和时间价值
　　8．19 小结
　　8．20 参考书目注释
　　8．21 参考文献
　　8．22 习题
　　第9章 固定收益证券
　　9．1 引言
　　9．2 零息债券
　　9．3 票息债券
　　9．4 到期收益率
　　9．5 期限结构
　　9．6 连续复利
　　9．7 连续远期率
　　9．8 价格对于收益率的敏感性
　　9．9 远期连续利率的估计
　　9．10 小结
　　9．11 参考书目注释
　　9．12 参考文献
　　9．13 习题
　　第10章 再抽样
　　10．1 引言
　　10．2 均值的置信区间
　　10．3 再抽样和有效投资组合
　　10．4 Bagging
　　10．5 小结
　　10．6 参考书目注释
　　10．7 参考文献
　　10．8 习题
　　第11章 风险价值
　　11．1 风险管理的必要性
　　11．2 单资产的VaR
　　11．3 资产投资组合的VaR
　　11．4 选择持有期和置信系数
　　11．5 V9R和风险管理
　　11．6 小结
　　11．7 参考书目注释
　　11．8 参考文献
　　11．9 习题
　　第12章 GARCH模型
　　12．1 引言
　　12．2 条件均值和条件方差的建模
　　12．3 ARCH(1)过程
　　12．4 AR(1)／ARCH(1)模型
　　12．5 ARCH(q)模型
　　12．6 GARCH(p，q)模型
　　12．7 GARCH过程有厚尾
　　12．8 ARMA过程与GARCH过程的比较
　　12．9 GARCH模型的拟态
　　12．10 LGARCH模型
　　12．11 GARCH-M过程
　　12．12 E-GARCH
　　12．13 GARCH族
　　12．14 GARCH模型在金融中的应用
　　12．15 广泛的GARCH过程下的期权定价
　　12．16 小结
　　12．17 参考书目注释
　　12．18 参考文献
　　12．19 习题
　　第13章 非参数回归和样条函数
　　13．1 前言
　　13．2 回归模型的选择
　　13．3 线性样条
　　13．4 其他次数的样条函数
　　13．5 最小二乘估计
　　13．6 样条函数的选择
　　13．7 加法的模型
　　13．8 罚样条函数
　　13．9 小结
　　13．10 参考书目注释
　　13．11 参考文献
　　13．12 习题
　　第14章 行为金融学
　　14．1 引言
　　14．2 EMH的辩护
　　14．3 对EMH的挑战
　　14．4 套利者可以拯救一切吗?
　　14．5 数据表明什么?
　　14．6 市场波动和非理性繁荣
　　14．7 传统金融的现代地位
　　14．8 参考书目注释
　　14．9 参考文献
　　14．10 习题
　　词汇表

　　戴维·鲁珀特(David Ruppert)，美国康奈尔大学统计科学系教授。1970年在康奈尔大学获数学学士学位，1977年在密歇根州立大学获统计学博士学位。主要研究领域为多元统计分析、金融风险管理等。他曾在著名期刊上发表了大量很有影响力的论文，主要著作有Transformation and Weighting in Regression;Measurement Error in Nonlinear Models;Semiparametric Regression Measurement Error in Nonlinear Models: A Modern Perspective等。

　　本书内容涉及金融学与统计学的诸多内容，与一般偏重于单纯介绍理论知识和模型的著作不同，它把统计模型和金融模型联系在一起，寓统计学知识于金融学之中，并且用各种软件做出了完美的应用程序。《统计与金融》的主要特点是：
　　运用金融中的例子，阐明概率与统计的主要原理。
　　帮助读者理解以经验为依据的研究方法在金融和运筹学中是如何运用的。
　　介绍了新的统计方法，例如时间序列、GARCH模型、再抽样以及非参数回归。
　　提供了一些运用MATLAB和SAS软件包的例子。