普通高等教育“十一五”国家级规划教材·协整理论与波动模型：金融时间序列分析及应用（第2版）

　　Chapter 1Time Series Analysis
　　1.1 General time series models
　　1.2 Vector stationary time series·vector autoregressive model
　　1.3 Nonstationary stochastic processes and integrated time series
　　1.4 Long memory time series
　　References
　　Chapter 2Tests of Unit Root Processes
　　2.1 Unit root processes
　　2.2 Limiting distribution of integrated processes
　　2.3 Tests of unit root processes
　　2.4 Vector autoregressive processes with unit root
　　References
　　Chapter 3Cointegration Theory and Methodology
　　3.1 Cointegration and error correction model
　　3.2 Estimation and tests of cointegration relationship in single equation
　　3.3 Estimation and tests of cointegration relationship in simultaneous equation system
　　3.4 Bayesian analysis of cointegrated system
　　3.5 Linear conintegration analysis of fractionally integrated vector time series
　　3.6 Forecasting of cointegrated system
　　3.7 Nonlinear transformation of integrated time series1
　　References
　　Chapter 4Seasonal Integration and Cointegration
　　4.1 Seasonal integration, cointegration and tests
　　4.2 Bayesian tests of seasonal cointegration
　　Appendix: Lagrange polynomial approximation theorem
　　References
　　Chapter 5Nonlinear Cointegration Theory
　　5.1 Definition of nonlinear cointegration
　　5.2 Estimation and tests of nonlinear cointegration relationship
　　5.3 Existence of nonlinear cointegration relationship
　　5.4 Nonlinear cointegration modeling based on wavelet neural network
　　5.5 Nonlinear error correction models of linearly cointegrated system
　　5.6 Nonlinear cointegration relationship in long memory vector time series
　　5.7 Cointegration with structure changes and modeling
　　References
　　Chapter 6ARCH Class Models
　　6.1 Short memory ARCH class models
　　6.2 Long memory ARCH class models
　　6.3 Fractionally integrated augment GARCHM model
　　6.4 GARCH class models for panel data
　　6.5 Statistical properties of GARCH model
　　6.6 Modeling of ARCH class models
　　6.7 Diagnostic analysis and structure change modeling of ARCH class models
　　6.8 Stochastic differential equation of GARCH process
　　6.9 Unit root tests with conditional heteroskedasticity
　　6.10 Vector GARCH models and modeling
　　6.11 Persistence and copersistence in vector GARCH process
　　6.12 Persistence and copersistence in conditional moments of time series
　　References
　　Chapter 7Stochastic Volatility Models
　　7.1 Basic SV models and statistical properties
　　7.2 Extended SV models
　　7.3 Parameters estimation of SV models
　　7.4 QML estimation based on THGA and Monte Carlo
　　7.5 Estimation of long memory SV models and applications
　　7.6 SV models with structure changes
　　7.7 Aggregation and marginalization of SV models
　　7.8 Persistence and copersistence in SV models
　　7.9 Comparison of SV and GARCH models
　　7.10 Squareroot stochastic autoregressive volatility model
　　References
　　Chapter 8 Analysis of Financial Volatility
　　Chapter 9 Analysis and Modeling for HighFrequency Financial Time Series
　　Chapter 10 Wavelet Methods for Financial Time Series Analysis
　　Chapter 11 Continuous Time Models and its Applications

　　张世英，男，北京市人，1960年北京大学数学力学系毕业，1970年以前在国防部第五研究院和酒泉基地从事我国早期火箭的测轨研究工作，1978年后在天津大学系统工程所和管理学院从事系统辨识，社会经济系统分析，社会经济系统建模，规划与控制等领域的研究工作，先后主持，完成八项国家自然科学基金项目，多项部，委和天津市软科学研究项目，先后获国家科技进步奖二等奖一项（1987年），原国家教委科技进步奖三等奖一项（1993年），原煤炭部管理科学优秀成果一等奖一项（1997年），天津市科技进步三等奖两项（1994年，2002年），天津市社会科学优秀成果一等奖一项（2006年），现为天津大学管理学院教授，管理科学与工程博士点博士生导师，目前已培养已获得博士学位的博士80名，硕士约250名，在社会经济系统分析，规划与控制和数量经济等领域在国内外发表大量论文，仅在数量经济方面发表论文计250余篇，主编《测量实践的数据处理》，《非均衡经济计量建模与控制》，《金融时间序列分析》等著作和教材10部，1989—1990年以访问学者身份访问美国明尼苏达大学经济系，从事非均衡经济计量建模研究，目前是“世界教科文卫组织”专家成员，并担任《系统工程学报》，《信息与控制》等多家学术刊物编委。
　　樊智，男，1976年生，山西人，分别于2000年3月和2003年3月在天津大学管理学院获管理学硕士和工学博士学位，师从张世英教授，曾在国内外核心学术期刊，会议发表论文近二十篇，主要研究方向为金融时间序列分析和金融工程。

　　本书论述了时间序列的协整理论和金融时间序列波动性模型的原理、方法和实际应用。在时间序列的协整理论方面，包括单位根过程的极限分布和检验，单方程和系统方程协整关系的估计和检验，非线性、长记忆协整关系的建模和检验问题，协整系统的贝叶斯分析及变结构协整的理论、方法等。在金融时间序列波动模型方面，包括自回归条件异方差（ARCH）模型的各类一维和多维模型体系及各类随机波动（SV）模型的性质、模型参数估计和检验问题，讨论了变结构波动模型的建模及其应用等。金融波动性问题是当今金融分析中的重要课题，本书探讨了金融波动及其持续性的市场机制，建立了在金融波动持续性基础上的资本资产定价模型和金融风险规避策略等。书中详细讨论了高频金融时间序列分析与建模问题，研究了各类高频时间序列已实现波动率的计算方法和统计性质，讨论了超高频数据持续期的ACD类和SCD类两类模型。书中还讨论了小波方法在金融时间序列波动分析和建模方面的应用;讨论了各类连续时间资产收益模型及参数估计的MCMC方法。
　　本书可作为数量经济学研究人员、有关教师、经济和金融工作者的参考书，亦可作为相关领域研究生的教学参考书。