高级计量经济学及Stata应用（第二版 pdf epub mobi txt 电子书 下载 在线阅读 2026

9787040329834

基本信息

书名：高级计量经济学及Stata应用(第二版)

：79.00元

作者：陈强

出版社：高等教育出版社

出版日期：2014-04-01

ISBN：9787040329834

字数：

页码：

版次：2

装帧：平装

开本：16开

商品重量：0.4kg

内容简介

　　《高级计量经济学及Stata应用（第二版）》较多地借鉴了现代计量经济学的全新发展，内容全面，除了介绍传统的横截面数据外，对面板数据（含长面板、动态面板、非线性面板）、时间序列（含VAR、单位根、协整）、自然实验、重复截面数据、GMM、自助法、蒙特卡罗法、分位数回归、门限回归、非参数估计、处理效应、空间计量、久期分析、贝叶斯估计等均做了较深入的分析。《高级计量经济学及Stata应用（第二版）》力图以生动的语言、较多的插图与经济意义来直观地解释计量方法，而又不失数学的严谨性。同时，结合目前欧美为流行的Stata计量软件，及时地介绍相应的Stata命令与实例，为读者提供“一站式”服务。
　　《高级计量经济学及Stata应用（第二版）》适合普通高等学校经济学、管理学类或社科类硕士生、博士生与研究人员使用。为便于读者学习高级计量经济学，本书在内容安排上，假设读者已经学过微积分、线性代数与概率统计，但不要求学过本科阶段的计量经济学（学过更好）。

作者简介

　　陈强，男，1971年出生，山东大学经济学院教授，泰岳经济研究中心副主任（主持工作）。分别于1992年、1995年获北京大学经济学学士、硕士学位，后留校任教。2007年获美国Northern Illinois University数学硕士与经济学博士学位。主要研究领域为发展经济学、计量经济学、经济史与制度经济学。已独立发表论文于Economica，Journal of Comparative Economics，《经济学（季刊）》、《世界经济》等国内外期刊。曾获中国数量经济学年会、中国制度经济学年会出色论文奖、山东省高等学校出色科研成果论文一等奖。现为美国经济学会、英国皇家经济学会会员，Applied Economics，《经济学（季刊）》与《产业经济评论》的匿名审稿人。2010年入选教育部新世纪出色人才支持计划。

内页插图

目录

第1章 绪论
1.1 什么是计量经济学
1.2 经济数据的特点与类型

第2章 概率统计回顾
2.1 概率与条件概率
2.2 分布与条件分布
2.3 随机变量的数字特征
2.4 迭代期望定律
2.5 随机变量无关的三个层次概念
2.6 常用连续型统计分布
2.7 统计推断的思想
习题
附录

第3章 小样本OLS
3.1 古典线性回归模型的假定
3.2 0LS的代数推导
3.3 0LS的几何解释
3.4 拟合优度
3.5 0LS的小样本性质
3.6 对单个系数的t检验
3.7 对线性假设的F检验
3.8 F统计量的似然比原理表达式
3.9 分块回归与偏回归（选读）
3.10 预测
习题
附录

第4章 Stata简介
4.1 为什么使用Stata
4.2 Stata的窗口
4.3 Stata操作实例
4.4 Stata命令库的更新
4.5 进一步学习Stata的资源
习题

第5章 大样本OLS
5.1 为何需要大样本理论
5.2 随机收敛
5.3 大数定律与中心极限定理
5.4 统计量的大样本性质
5.5 渐近分布的推导
5.6 随机过程的性质
5.7 大样本OLS的假定
5.8 OLS的大样本性质
5.9 线性假设的大样本检验
5.10 大样本OLS的Stata命令及实例
习题
附录

第6章 大似然估计法
6.1 大似然估计法的定义
6.2 线性回归模型的大似然估计
6.3 大似然估计的数值解
6.4 信息矩阵与无偏估计的小方差
6.5 大似然法的大样本性质
6.6 大似然估计量的渐近协方差矩阵
6.7 三类渐近等价的统计检验
6.8 准大似然估计法
6.9 对正态分布假设的检验
6.10 大似然估计法的Stata命令及实例
习题
附录

第7章 异方差与GLS
7.1 异方差的后果
7.2 异方差的例子
7.3 异方差的检验
7.4 异方差的处理
7.5 处理异方差的Stata命令及实例
7.6 Stata命令的批处理
习题
附录

第8章 自相关
8.1 自相关的后果
……
第9章 模型设定与数据问题
第10章 工具变量．2SLS与GMM
第11章 二值选择模型
第12章 多值选择模型
第13章 排序与计数模型
第14章 受限被解释变量
第15章 短面板
第16章 长面板与动态面板
第17章 非线性面板
第18章 随机实验与自然实验
第19章 蒙特卡罗法与自助法
第20章 平稳时间序列
第21章 单位根与协整
第22章 自回归条件异方差模型
第23章 似不相关回归
第24章 联立方程模型
第25章 非线性回归与门限回归
第26章 分位数回归
第27章 非参数与半参数估计
第28章 处理效应
第29章 空间计量经济学
第30章 久期分析
第31章 贝叶斯估计简介
第32章 如何做规范的实证研究
附录：常用数据来源
参考书目
数学符号
英文缩写

《金融计量经济学：理论与实践》 内容概要 本书旨在为读者提供一个深入理解金融计量经济学理论及其在实际金融数据分析中应用的全景式视角。本书内容涵盖了金融时间序列分析的核心概念、经典模型、前沿方法以及它们在资产定价、风险管理、宏观金融等领域的重要应用。通过理论讲解与案例分析相结合的方式，本书致力于培养读者运用计量经济学工具解决复杂金融问题的能力。 第一部分：金融时间序列基础 本部分为读者构建坚实的金融时间序列分析基础。 第一章：金融时间序列数据特征 介绍金融时间序列数据的基本类型（股票价格、汇率、利率、通货膨胀率等）及其独特性质。 详细讨论金融时间序列的非平稳性（单位根）、异方差性（波动率聚类）、厚尾性、偏度和峰度等关键特征。 分析这些统计特征对传统计量模型可能造成的挑战，并引出后续模型选择的必要性。 通过实际数据案例，演示如何检验和识别这些特征。 第二章：平稳时间序列模型 深入讲解自回归（AR）模型，包括AR(p)的定义、性质、参数估计（Yule-Walker方程、最大似然估计）以及模型检验（ACF、PACF、Ljung-Box检验）。 详细阐述移动平均（MA）模型，包括MA(q)的定义、性质、参数估计的困难以及其与AR模型的联合形式——自回归移动平均（ARMA）模型。 全面介绍ARMA(p, q)模型的建立、识别、估计与检验，重点关注模型的最优阶数选择（AIC、BIC准则）和残差诊断。 讨论模型在预测中的应用，包括点预测和区间预测。 第三章：非平稳时间序列模型：单位根过程与协整 重点分析随机游走模型及其对金融市场效率的影响。 深入讲解单位根检验方法，包括Dickey-Fuller (DF)检验、增广Dickey-Fuller (ADF)检验和Phillips-Perron (PP)检验，并讨论其局限性。 引入差分方法处理非平稳序列，探讨I(1)过程的概念。 详细介绍协整理论，解释两个或多个非平稳时间序列之间存在的长期均衡关系。 阐述Engle-Granger两步法和Johansen协整检验，以及向量自回归（VAR）模型在协整分析中的应用。 分析协整关系在资产定价和组合管理中的意义。 第二部分：波动率建模与分析 本部分聚焦于金融市场中至关重要的波动率建模。 第四章：条件异方差模型（ARCH族） 引入ARCH(q)模型，解释其如何捕捉收益率序列的波动率聚类现象，并详细推导其参数估计方法（最大似然估计）。 详细介绍Generalized ARCH (GARCH)模型，包括G(p,q)的数学形式、参数解释以及相较于ARCH模型的优势。 讨论GARCH模型在残差分析中的应用，以及如何检验模型的适当性。 介绍EGARCH、GJR-GARCH等扩展模型，分析它们如何处理杠杆效应（即负面冲击对波动率的影响大于正面冲击）。 讨论这些模型在风险度量（如VaR）中的应用。 第五章：随机波动率模型（SV） 介绍随机波动率模型的概念，即认为波动率本身是不可观测的随机过程。 深入分析标准SVS模型的数学结构，包括其一阶和二阶矩特性。 讨论SVS模型参数估计的挑战（如积分问题）以及常用的估计方法，包括准最大似然估计（QMLE）和模拟最大似然估计（SMLE）。 介绍马尔可夫链蒙特卡洛（MCMC）方法在SVS模型参数估计中的应用。 比较ARCH族模型与SVS模型的优劣，探讨它们各自的适用场景。 第三部分：资产定价与风险管理计量模型 本部分将计量经济学理论应用于实际金融决策。 第六章：多因子资产定价模型 回顾并深入探讨资本资产定价模型（CAPM），分析其理论假设和局限性。 介绍法玛-弗伦奇三因子模型（FF3）及四因子模型，分析其解释力强于CAPM的原因，并探讨剩余风险和特定风险的度量。 介绍其他新兴的多因子模型，如Carhart四因子模型（包含动量因子）等，讨论其在解释股票收益方面的进步。 讲解如何使用计量模型（如OLS、FGLS）估计因子暴露度，并进行因子有效性检验。 分析多因子模型在投资组合构建、业绩归因和风险度量中的应用。 第七章：期权定价与波动率隐含值 介绍Black-Scholes-Merton（BSM）期权定价模型，详细推导其公式，并讨论其关键假设（如常数波动率、无套利）。 分析BSM模型在实际应用中的局限性，如波动率微笑和偏斜现象。 介绍如何从市场期权价格反推出隐含波动率，并分析隐含波动率的动态变化。 探讨使用GARCH等模型预测未来波动率，并将其输入BSM模型以改进期权定价。 介绍模型风险和参数不确定性对期权定价的影响。 第八章：风险价值（VaR）与期望损失（ES）的计量估计 详细定义风险价值（VaR）的概念，包括其不同置信水平下的含义。 介绍常用的VaR估计方法，如历史模拟法、参数法（基于正态分布或t分布假设）和蒙特卡洛模拟法。 深入讲解如何结合GARCH模型估计参数VaR，并讨论其优点和缺点。 引入期望损失（ES，也称条件VaR）的概念，解释其相较于VaR的优势，以及如何估计ES。 讨论VaR和ES模型的准确性检验方法，如回测（Kupiec检验、Christoffersen检验）。 分析VaR和ES在银行监管（如巴塞尔协议）和投资组合风险管理中的作用。 第四部分：宏观金融计量模型与应用 本部分将计量模型扩展到宏观经济与金融的交叉领域。 第九章：向量自回归（VAR）模型及其应用 重新介绍VAR模型，并重点讲解其在分析多个宏观经济变量（如GDP、通货膨胀、利率、汇率）之间动态相互作用中的应用。 详细讲解VAR模型的设定、识别（结构性VAR，SVAR）及其参数估计。 介绍脉冲响应函数（IRF）和方差分解（FEVD）的计算与解释，用以分析宏观冲击的传播路径和影响程度。 讨论VAR模型在经济预测、政策模拟和宏观经济风险分析中的实际应用。 介绍向量误差修正模型（VECM）在处理协整变量时的优势。 第十章：动态随机一般均衡（DSGE）模型中的计量方法 概述DSGE模型的基本框架，解释其如何基于微观经济主体优化行为构建宏观经济模型。 讨论DSGE模型参数估计的挑战，包括非线性、高维度和多重局部最优问题。 介绍模拟矩估计（Simulated Method of Moments, SMM）和贝叶斯估计（MCMC）等在DSGE模型中的应用。 分析DSGE模型在货币政策传导、财政政策影响以及经济周期分析中的作用。 强调计量方法在DSGE模型参数识别、模型检验和政策模拟中的关键作用。 第十一章：高频数据与微观结构分析 介绍高频金融数据的特征，包括其稀疏性、时间戳精确性以及交易量和价差信息。 讨论高频数据在市场微观结构研究中的应用，例如买卖价差、订单簿动态和流动性度量。 介绍基于高频数据的波动率估计方法，如已实现波动率（Realized Volatility, RV）。 分析RV模型在宏观金融预测和风险管理中的表现。 讨论交易成本、市场摩擦等因素在高频数据分析中的重要性。 附录 附录A：概率与统计基础回顾 简要回顾概率分布、期望、方差、协方差、相关系数等基本概念。 回顾统计推断基础，包括假设检验、置信区间。 附录B：矩阵代数与线性回归基础 简要回顾矩阵运算、向量空间、线性方程组解法。 回顾OLS回归模型的推导、性质与检验。 本书力求理论严谨，逻辑清晰，通过丰富的案例和详实的讲解，帮助读者掌握金融计量经济学的核心理论和实操技能，为他们在学术研究、金融市场分析、风险管理等领域提供坚实的理论基础和有力的工具。