《金融时间序列分析（第3版）》：金融时间序列分析教材的优秀之作

好书推荐
1

《金融时间序列分析（第3版）》系统介绍了金融时间序列分析的理论和方法，涵盖前沿研究和R语言实战，是金融学研究的优秀教材。

原文标题：这本书真正做到了国内金融时间序列分析教材的天花板！原书豆瓣9.0高分！

原文作者：图灵编辑部

冷月清谈：

《金融时间序列分析（第3版）》是一本备受赞誉的金融时间序列分析教材，被芝加哥大学商学院MBA、北京大学金融数学系采用。本书全面介绍了金融时间序列分析的理论和方法，系统讲解了金融计量经济模型及其在金融时间序列数据建模和预测中的应用。第三版使用R软件包进行实证分析，并概述了实现波动率、条件风险值、统计套利及持续期和动态相关模型等研究热点。本书共十二章，分别介绍了资产收益率、线性时间序列分析、条件异方差性建模、非线性性分析、高频金融数据分析、连续时间扩散模型、极值理论、多元时间序列分析、因子模型、多元波动率模型、状态空间模型和卡尔曼滤波、马尔可夫链蒙特卡罗方法等内容，强调应用和实证分析，提供R语言代码和真实数据案例。

怜星夜思：

1、书中提到了多种波动率建模方法，除了书中提到的，你在实际应用中还遇到过哪些有效的波动率预测方法？它们的优缺点是什么？
2、本书中提到了协整和配对交易，在现实金融市场中，有哪些因素会影响配对交易策略的有效性？如何应对这些影响？
3、本书提到了高频交易数据分析，普通投资者如何利用高频数据来提升自己的交易策略？是否存在一些简单易行的方法？

原文内容

图片
图片1080×314 16.9 KB

《金融时间序列分析（第3版）》是金融时间序列分析领域不可多得的杰作，自第1版问世以来，广受赞誉，产生了深远的影响。成为芝加哥大学商学院MBA、北京大学金融数学系授课教材。


本书全面介绍了金融时间序列分析的理论和方法，系统地讲解了金融计量经济模型及其在金融时间序列数据的建模和预测中的应用。


第3版使用开源的R软件包，可以对金融数据进行实证分析，也可以使用实例对相关计算和分析进行说明。本书还对金融计量方法的当前研究热点和一些最新研究成果进行了概述，例如实现波动率、条件风险值、统计套利及持续期和动态相关模型的应用。

来源 | 《金融时间序列分析（第3版）》
作者 | Ruey S.Tsay
译者 | 王远林 王辉 潘家柱

金融时间序列分析考虑的是资产价值随时间演变的理论与实践.它是一个带有高度经验性的学科,但也像其他科学领域一样,理论是形成分析推断的基础.

然而, 金融时间序列分析有一个区别于其他时间序列分析的主要特点：金融理论及其经验的时间序列都包含不确定因素.

例如,资产波动率有各种不同的定义,对一个股票收益率序列, 波动率是不能直接观察到的. 正因为带有不确定性,统计的理论和方法在金融时间序列分析中起重要作用. 本书的目的是提供一些金融时间序列的知识,介绍一些对分析金融时间序列有用的统计工具,从而使读者获得各种经济计量方法在金融中应用的经验. 

第1章引入资产收益率的基本概念, 并简要介绍本书所讨论的一些过程. 

第2章回顾了一 些线性时间序列分析中的基本概念,如平稳性、自相关函数,引入了一些简单的线 性模型来处理序列的序列相关性,并讨论了带时间序列误差、季节性、单位根非平 稳性和长记忆过程的回归模型. 当存在条件异方差性和序列相关时,该章给出了协 方差阵相合估计的方法. 

第3章着重讨论了条件异方差性(资产收益率的条件方 差) 的建模,讨论了新近发展起来的用来描述资产收益率的波动率随时间演变的各 种经济计量模型. 该章还讨论了波动率建模的其他方法,包括使用高频交易数据和 一项资产的日最高价格和日最低价格进行建模. 

第4章讨论了金融时间序列中的 非线性性,引入了能区别非线性序列与线性序列的检验统计量,并讨论了几个非线 性模型. 该章还介绍了非参数估计方法和神经网络,并且展示了非线性模型在金融 中的各种应用. 

第5章考虑的是高频金融数据的分析,市场微观结构的影响及高频 金融的应用, 阐明了不同步(或不同时)的交易和买卖价格间的跳跃可能带来股票 收益的序列相关性. 该章还研究了不同交易之间持续时间的动态规律和一些分析 交易数据的计量经济模型. 

第6章引入了连续时间扩散模型和伊滕(Ito)引理,导 出了Black-Scholes 期权定价公式, 并应用一个简单的跳跃扩散模型来刻画期权市 场常见的一些特征. 

第7章讨论了极值理论、厚尾分布及其在金融风险管理中的 应用. 该章还特别讨论了计算金融头寸风险值(VaR)及金融头寸的预期赤字的各 种方法. 

第8章着重讨论多元时间序列分析和简单的多元模型,重点在于分析时间 序列之间的交叉延迟关系.该章还介绍了协整、一些协整检验以及门限协整,并用 协整的概念来研究金融市场中的套利机会,包括配对交易. 

第9章讨论了简化多元 时间序列动态结构的方法和降低维数的方法, 并介绍和演示了3种因子模型来分 析多个资产的收益率.

第10章介绍了多元波动率模型, 其中包括带时变相关系数 的模型, 同时还讨论了怎样对一个条件协方差阵进行重新参数化,使之满足正定性 的限制, 并降低波动率建模的复杂性. 

第11章介绍了状态空间模型和卡尔曼滤波, 还讨论了状态空间模型和本书中所讨论的其他计量经济模型之间的关系.该章还给 出了在金融方面应用的几个例子. 

最后,第12章介绍了统计文献中一些新近发展 起来的马尔可夫链蒙特卡罗方法,并把这些方法应用于各种金融研究的问题,如随 机波动率模型和马尔可夫转换模型的估计. 

本书着重强调应用和实证分析.每章都有实际例子,很多时候经济计量模型的 发展是由金融时间序列的实证特征来推动的. 必要时,本书还提供了用来分析数据 的计算机程序和命令.

图片
图片800×800 404 KB

《金融时间序列分析（第3版）》

作者：Ruey S.Tsay

译者：王远林 王辉 潘家柱


权威性：芝加哥大学商学院MBA、北京大学金融数学系授课教材


前沿性：紧跟当前研究热点，涵盖前沿方法（高频数据分析、MCMC）


实战性：关注金融学核心问题，提供R语言实战代码及真实金融数据案例，兼顾学术严谨与业界需求


图片
图片750×6472 567 KB


2

问题：书中提到了多种波动率建模方法，除了书中提到的，你在实际应用中还遇到过哪些有效的波动率预测方法？它们的优缺点是什么？

除了书里提到的，我比较关注用机器学习方法预测波动率。比如用LSTM（长短期记忆网络）来学习历史波动率的模式，或者用Transformer模型来捕捉不同资产之间的相关性。好处是能处理更复杂的关系，但坏处是模型容易过拟合，而且解释性比较差，就像个黑盒子。

3

问题：本书中提到了协整和配对交易，在现实金融市场中，有哪些因素会影响配对交易策略的有效性？如何应对这些影响？

我觉得根本原因是“配对”本身就不稳定。今天看起来相关的两只股票，明天可能就因为行业变化、公司重组等原因变得毫无关联。所以，配对交易更像是一种短期的投机，而不是长期的投资策略。应对的方法是，不要迷信“配对”，要不断寻找新的机会。

4

问题：本书提到了高频交易数据分析，普通投资者如何利用高频数据来提升自己的交易策略？是否存在一些简单易行的方法？

一种比较简单的方法是观察Level 2行情（如果你的券商提供）。Level 2行情展示了买一到买五、卖一到卖五的挂单情况，你可以从中观察到多空力量的对比，以及大单的埋伏位置。这可以帮助你更好地把握入场和出场时机。

5

问题：本书中提到了协整和配对交易，在现实金融市场中，有哪些因素会影响配对交易策略的有效性？如何应对这些影响？

影响配对交易的因素很多，最直接的就是交易成本，比如佣金和滑点。另外，协整关系可能会随着时间推移而失效，也就是均值回复的速度变慢或者不再回复。应对方法是，要严格控制交易成本，同时定期检验协整关系，必要时调整配对组合。

6

问题：本书提到了高频交易数据分析，普通投资者如何利用高频数据来提升自己的交易策略？是否存在一些简单易行的方法？

高频数据对普通投资者来说确实是个挑战，但也不是完全没用。可以关注一些高频数据衍生出来的指标，比如成交量异动、大单成交情况等，这些信息可以帮助你判断市场的短期情绪和潜在的趋势。当然，不要过度解读，结合基本面分析才能更准确。

7

问题：书中提到了多种波动率建模方法，除了书中提到的，你在实际应用中还遇到过哪些有效的波动率预测方法？它们的优缺点是什么？

别搞那么复杂，大道至简！我一般就用简单的历史波动率，或者稍微高级一点的指数加权移动平均(EWMA)。虽然简单，但胜在稳定可靠，而且容易理解。预测嘛，本来就没法做到百分百准确，不如把精力放在风险控制上。

8

问题：书中提到了多种波动率建模方法，除了书中提到的，你在实际应用中还遇到过哪些有效的波动率预测方法？它们的优缺点是什么？

在实际交易中，我用过GARCH模型的变种，比如EGARCH和TGARCH，它们能捕捉到波动率的非对称性和杠杆效应。EGARCH允许正负冲击对波动率产生不同的影响，TGARCH则区分了好消息和坏消息的影响。但这些模型对参数选择比较敏感，需要大量的回测才能找到合适的参数。

9

问题：本书提到了高频交易数据分析，普通投资者如何利用高频数据来提升自己的交易策略？是否存在一些简单易行的方法？

说实话，普通投资者想靠高频数据赚钱，难度太大了。高频交易是专业机构的战场，他们有更快的速度、更先进的算法。咱们散户还是老老实实做价值投资，或者波段操作，别想着一夜暴富。

10

问题：本书中提到了协整和配对交易，在现实金融市场中，有哪些因素会影响配对交易策略的有效性？如何应对这些影响？

从理论上讲，配对交易是基于统计套利的。但是，现实中流动性风险、市场冲击、政策变化等都可能导致配对关系偏离并持续扩大，造成巨大损失。所以，一定要设置止损，并且密切关注市场动态，及时调整策略。