　　《金融实时数据分析方法》通过对现有的金融数据分析方法比较研究，在分析方法上寻求创新，并利用构建的金融实时数据模型来分析国内股票市场实时数据的信息含量，以期对交易者行为作出合理解释。对金融实时数据模型研究，有助于优化市场信息，为市场监管者和投资者提供有益的决策参考和理论依据。
　　《金融实时数据分析方法》共分9章：第1章简单介绍了金融数据的基本特征及常用分析方法；第2章介绍了金融数据分析的基本理论与方法；第3～4章介绍了低频数据分析常用模型；第5章分析了实时金融数据统计特征；第6～8章介绍了常用的金融实时数据分析模型；第9章介绍了金融实时数据分析模型在国内股票市场中的应用。

作者简介

　　王亚楠（1968-），男，北京理工大学管理学博士。河北科技大学教师。Enterprise Information Systems、Information Technology and Management杂志审稿人。主要研究兴趣：评价与优化、金融时间序列分析。近几年。以第一作者身份在国内外期刊以及国际会议上发表学术论文17篇。其中13篇论文被EI、ISTP收录。主持、参加纵向课题11项，包括国家自然科学基金课题、国家社科基金项目、教育部人文社科基金项目、河北省社科基金项目以及河北省科技厅软科学项目，等等。

内页插图

1 金融数据简介
1.1 金融时间序列分析
1.2 收益率
1.2.1 单周期收益率
1.2.2 多周期收益率
1.3 收益率分布性质
1.3.1 统计分布及其矩的回顾
1.3.2 收益率的分布
1.3.3 多元收益
1.3.4 收益率的似然函数
1.4 相关系数
1.5 平稳性
1.6 自相关性
1.6.1 自协方差函数
1.6.2 自相关函数（ACF）
1.6.3 偏自相关函数（PACF）
1.7 差分方程与滞后算子
1.7.1 一阶差分方程
1.7.2 P阶差分方程
1.7.3 滞后算子
1.8 国内股票市场低频数据统计特征
1.8.1 基本统计量
1.8.2 相关性分析

2 理论基础及研究方法
2.1 金融市场微观结构概述
2.1.1 金融市场微观结构研究内容
2.1.2 金融市场交易机制类型
2.1.3 中国股票市场交易机制
2.2 金融市场微观结构主要理论
2.2.1 存货模型
2.2.2 信息模型
2.3 马尔可夫蒙特卡洛方法
2.3.1 马尔可夫蒙特卡洛方法概述
2.3.2 马尔可夫蒙特卡洛方法基本原理
2.3.3 WinBUGS软件
2.3.4 EViews 6.0软件

3 自回归移动平均模型
3.1 白噪声过程
3.1.1 弱白噪声过程
3.1.2 独立同分布白噪声过程
3.1.3 高斯白噪声过程
3.1.4 白噪声的参数特征
3.2 AR模型
3.2.1 AR（1）模型
3.2.2 AR（2）模型
3.2.3 AR（p）模型
3.3 MA模型
3.3.1 模型结构
3.3.2 MA（1）过程
3.3.3 MA（2）过程
3.3.4 MA（∞）过程
3.3.5 MA阶的识别
3.4 ARMA模型
3.4.1 模型结构
3.4.2 ARMA（1，1）模型
3.4.3 ARMA模型识别
3.4.4 ARMA建模
3.5 ARIMA模型
3.5.1 模型结构
3.5.2 ARIMA建模步骤

4 波动率模型
4.1 波动率模型概述
4.2 ARCH模型
4.2.1 ARCH模型的定义
4.2.2 ARCH模型的性质
4.2.3 ARCH模型的特点
4.3 GARCH模型
4.3.1 GARCH模型的定义
4.3.2 GARCH模型的性质
4.3.3 GARCH模型的特点
4.4 SV模型
4.4.1 SV模型的定义
4.4.2 SV模型的特点

5 金融实时数据特征分析
5.1 金融实时数据统计特征
5.1.1 常用基本统计量
5.1.2 交易持续期统计特征
5.1.3 分笔收益率统计特征
5.1.4 分笔成交量统计特征
5.1.5 买卖价差的统计特征
5.2 金融实时数据的日内效应
5.2.1 日内效应概述
5.2.2 日内效应识别
5.2.3 日内效应调整

6 ACD模型分析
6.1 GARCH模型回顾
6.2 ACD模型结构分析
6.2.1 ACD模型背景
6.2.2 ACD模型建模原理
6.2.3 ACD模型的分类
6.2.4 ACD模型的扩展
6.3 基于ACD模型的ACV模型构建
6.3.1 模型设计
6.3.2 实证检验
6.4 ACI模型
6.4.1 多元ACI模型
6.4.2 一元ACI模型

7 SCD模型及其与ACD模型比较
7.1 SV模型回顾
7.2 SCD模型分析
7.2.1 SCD模型的结构分析，
7.2.2 SCD模型的统计特征
7.2.3 SCD模型分类
7.3 ACD模型和SCD模型的模拟效果比较
7.3.1 数据描述与预处理
7.3.2 实例分析

8 构建基于SCD的实时数据模型
8.1 持续期一收益率双因素建模原理分析
8.2 SCD—GARCH模型构建
8.2.1 持续期危险率函数的确定
8.2.2 收益率密度函数的确定
8.2.3 SCD—GARCH模型的确定
8.3 SCD—GARCH模型模拟效果分析
8.3.1 数据描述与预处理
8.3.2 实例分析

9 中国股票市场实时数据信息含量实例分析
9.1 实时数据信息含量概述
9.2 知情交易的实证模型构建
9.2.1 基本模型
9.2.2 检验假设提出
9.2.3 模型中加入知情交易解释变量
9.3 实例分析
9.3.1 日内效应调整
9.3.2 结果评价

参考文献
后记