《金融时间序列分析》网络笔记

如果要写蔡瑞胸这本书的所有内容概览的话，几乎不可能，因为这本书相当于应用类，虽然名称叫“时间序列分析”，但内容远远超出了时间序列的内容，不如按照章节对应的基础课进行整理。

书里面的代码实现有时候纯用R有点不太对（第三版里仍残留部分S-Plus），建议参照其他时间序列分析与R语言、Python结合的书目即可。倒是比较推荐另一本书《An Introduction to Analysis of Financial Data with R》.

蔡瑞胸教授在其芝加哥大学网站上也upload他教授本课程的资料，不过几乎全是英文，是否需要科学上网不确定，如果真正想掌握可以一看。 Ruey S. Tsay Teaching Page

《金融时间序列分析》内容概要

第1章　金融时间序列及其特征
第2章　线性时间序列分析及其应用
第3章　条件异方差模型
前三章内容在上面均有笔记整理，而且是时间序列分析的金融方面应用。

第4章　非线性模型及其应用
涉及非线性模型、非参数方法、神经网络，给出金融时间序列的非线性分析的几种方法，如果向更深入的话，对于每一个方法寻找给出的文献origin即可

第5章　高频数据分析与市场微观结构
高频数据的分析

第6章　连续时间模型及其应用
期权、B-S公式、Ito随机积分 \(\Rightarrow\) 连续时间序列模型
详见随机过程、数理金融学相关，例如Ross的《随机过程》、业界神书《选择、未来和导数》

第7章　极值理论、分位数估计与风险值
（没学，跳过）
第8章　多元时间序列分析及其应用
（没学，跳过）
第9章　主成分分析和因子模型
因子模型的涉及参见博迪的《投资学》，而比较有趣的是French在个人网站上一直更新因子模型的数据。Current Research Returns
主成分分析、因子分析详见《应用多元统计分析（第六版）》，这本书讲的比较详细，如果有余力可以学一下多元统计分析这门课，要求会数学推导，而不是上机操作，当然后者属于应用方面的也无可厚非。

第10章　多元波动率模型及其应用

第11章　状态空间模型和卡尔曼滤波

第12章　马尔可夫链蒙特卡罗方法及其应用