跳转至

金融计量模型

金融计量模型

金融与宏观领域的时间序列计量：一元时间序列（ARMA）→ 波动率建模 → 趋势与单位根 → 多元时间序列（VAR）与协整

课程简介

  • 金融计量模型课程导论：时间序列定义与时序图、对数回报与结构变化、偏度峰度与厚尾、白噪声与 MA/AR/ARMA 模型入门

一、一元时间序列模型

  • 平稳性与 ARMA 模型：时间序列大数定律、弱平稳三条件、MA/AR/ARMA 平稳性条件、ACF 与 Yule-Walker 方程、PACF
  • ARMA 模型识别、估计与检验：样本 ACF/PACF 与 Q 检验、ARMA 建模三步法、AIC/BIC 模型选择、极大似然估计与可逆性、过拟合与公因子问题
  • ARMA 模型预测：最优预测与条件期望、预测误差与置信区间、伪样本外预测评估、预测精度度量与 Diebold-Mariano 检验

二、波动率建模

  • 波动率建模：ARCH 与 GARCH：波动率聚集、GARCH(1,1) 设定与平稳性、ARCH 效应检验（Ljung-Box 与 Engle LM）、QMLE 估计、模型诊断与波动率预测

三、趋势与单位根

  • 趋势、单位根与 ARIMA：确定性趋势与随机趋势、趋势平稳/随机游走/带漂移随机游走、单位根与 I(d) 单整、DF/ADF 检验与 ARIMA

四、多元时间序列

  • 向量自回归模型：多元弱平稳与互相关、结构式与简化式 VAR、识别与 Cholesky 分解、方差分解、脉冲响应、格兰杰因果检验
  • 协整与误差修正模型：伪回归、协整概念与协整向量、共同趋势、含单位根 VAR(1) 的误差修正模型
发现错误？想一起完善？ 在 GitHub 上编辑此页！
本页面贡献者：AI-PM Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用