金融計量學是一門新型的金融數據處理課程，匯總了時間序列等數據處理方法在金融經濟方面的理論、方法和應用。本書是作者在多年金融計量方面的教學和科研基礎上編寫而成的，將*新的有關研究成果編入本書，課程體系更加完善。本書體現了較強的理論深度和學術前沿，同時針對我國金融市場進行了大量實證研究，具有理論和實踐指導意義。本書可作為數量經濟、金融等專業高年級本科生和相關專業的研究生教材，亦可作為相關領域研究人員的參考書。
將傳統理論知識與*新的知識有效融合，每個重要的知識點都配備詳細的案例分析過程。
唐勇，管理學博士，畢業于天津大學原管理學院，現為福州大學經濟與管理學院教授、博士生導師，主要研究領域為金融計量與風險管理、金融市場復雜性，出版專著《基于高頻數據的金融市場波動性分析》，主持國家、省部級課題數項，在《系統工程理論與實踐》、《中國管理科學》等國內**期刊發表學術論文三十余篇。
經濟、金融等專業高年級本科生和相關專業的研究生教材，亦可作為相關領域研究人員的參考書。
第1章金融計量學介紹
1.1金融計量學的含義及建模步驟
1.1.1金融計量學的含義
1.1.2金融計量建模步驟
1.2金融數據的主要類型、特點和來源
1.2.1金融數據的主要類型
1.2.2金融數據的特點
1.2.3金融數據的來源
1.3收益率的計算
1.3.1單期收益率
1.3.2多期收益率
1.4常用的統計學與概率知識
1.4.1隨機變量
1.4.2常用概率分布
1.4.3假設檢驗
1.4.4三個常用的檢驗方法
1.5常用金融計量軟件介紹
1.5.1常用金融計量軟件簡介
1.5.2EViews軟件使用介紹及操作步驟簡介
參考文獻
第2章經典回歸模型及其應用
2.1一元回歸模型及其應用
2.1.1經典一元線性回歸模型
2.1.2一元線性回歸模型的基本假設
2.1.3普通最小二乘法（參數估計）
2.1.4最小二乘估計量的性質
2.1.5案例分析
2.2多元回歸模型及其應用
2.2.1多元線性回歸模型
2.2.2多元線性回歸模型的基本假設
2.2.3普通最小二乘法（OLS）
2.2.4普通最小二乘法的性質
2.3回歸模型的檢驗
2.3.1擬合優度和R2
2.3.2變量的顯著性檢驗與t檢驗
2.3.3方程顯著性與F檢驗
2.3.4自相關檢驗與DW
2.3.5AIC準則和Schwarz準則
2.3.6殘差檢驗與JB統計量
2.3.7參數的置信區間
2.4案例分析
2.4.1一元回歸案例分析
2.4.2多元回歸案例分析
參考文獻
第3章非典型性回歸模型及其應用
3.1非線性模型轉化為線性模型
3.1.1模型的類型與變換
3.1.2案例分析
3.2異方差性
3.2.1異方差介紹及產生原因
3.2.2異方差的后果
3.2.3異方差檢驗
3.2.4異方差的修正
3.2.5案例分析
3.3自相關
3.3.1自相關的概念及產生的原因
3.3.2自相關的后果
3.3.3序列相關性的識別和檢驗
3.3.4自相關修正
3.3.5案例分析
3.4多重共線性
3.4.1多重共線性的概念
3.4.2多重共線性產生的原因
3.4.3多重共線性的后果
3.4.4多重共線性檢驗
3.4.5多重共線性的修正
3.4.6案例分析
3.5虛擬變量模型
3.5.1虛擬變量的引入
3.5.2模型回歸的結構穩定性檢驗
3.5.3案例分析（虛擬變量法和鄒氏檢驗法）
3.6預測
3.6.1預測的概念
3.6.2預測原理
3.6.3預測的類型
3.6.4預測的評價標準
參考文獻
第4章一元時間序列分析方法
4.1時間序列的相關概念
4.1.1平穩性
4.1.2自協方差
4.1.3白噪聲過程
4.1.4Q統計量
4.2平穩時間序列模型
4.2.1自回歸模型
4.2.2移動平均模型
4.2.3自回歸移動平均模型
4.2.4案例分析
4.3非平穩的時間序列分析
4.3.1兩種類型的非平穩序列
4.3.2非平穩序列的單位根檢驗
4.3.3ARIMA模型
4.4非平穩及長記憶時間序列ARFIMA模型
4.4.1非平穩時間序列及其分類
4.4.2長記憶時間序列及特點
4.4.3長記憶時間序列模型
參考文獻
第5章向量自回歸模型（VAR）
5.1VAR模型介紹
5.1.1VAR模型基本概念
5.1.2VAR模型的平穩性條件
5.1.3VAR(p)與VAR(1)轉化
5.1.4向量自協方差與自相關函數
5.2VAR模型估計方法與設定
5.2.1VAR模型的估計方法
5.2.2VAR模型的設定
5.3格蘭杰因果關系檢驗
5.4脈沖響應函數與方差分解
5.4.1VAR模型與脈沖響應函數
5.4.2VAR模型與方差分解
5.4.3案例分析
5.5結構VAR（SVAR）模型
5.5.1兩變量的SVAR模型
5.5.2多變量的SVAR模型
參考文獻
第6章協整和誤差修正模型
6.1協整與協整檢驗
6.1.1協整的概念
6.1.2協整檢驗方法
6.2誤差修正模型（ECM）
6.2.1誤差修正模型的含義
6.2.2誤差修正模型的構造
6.2.3誤差修正模型的估計
6.2.4案例分析
6.3Johansen協整檢驗方法
6.3.1Johansen協整檢驗的基本說明
6.3.2Johansen協整檢驗的案例分析
6.4向量誤差修正模型（VECM）
參考文獻
第7章GARCH 模型分析與應用
7.1金融時間序列異方差特征
7.2ARCH模型
7.2.1ARCH模型的構造
7.2.2ARCH模型的性質
7.3GARCH模型
7.3.1GARCH模型的構造
7.3.2GARCH模型的性質
7.3.3GARCH模型的檢驗與估計
7.4GARCH類模型的擴展
7.4.1IGARCH模型
7.4.2GARCHM模型
7.4.3TGARCH模型
7.4.4EGARCH模型
7.4.5PGARCH模型
7.4.6CGARCH模型
7.4.7FIGARCH模型
7.5GARCH類模型應用
7.5.1案例1： 美元對人民幣匯率建模研究
7.5.2案例2： 上證綜指波動建模
7.6向量GARCH模型
7.6.1向量ARCH模型
7.6.2向量GARCH模型
7.6.3對角向量GARCH模型
7.6.4BEKK模型
7.6.5常相關向量GARCH模型
7.6.6K因子向量ARCH模型
7.6.7向量FIGARCH模型
7.6.8幾種向量GARCH模型的比較
7.6.9二元BEKKGARCH模型實證分析
7.7隨機波動模型(SV)
7.7.1SV模型
7.7.2向量SV模型
7.7.3一元SV模型實證分析
7.7.4向量SV模型實證分析
參考文獻
第8章資產定價模型的實證研究
8.1CAPM理論
8.2CAPM實證檢驗方法
8.2.1布萊克詹森斯科爾斯(BlackJensonScholes)方法
8.2.2法馬麥克白(FamaMacBeth)方法
8.3中國股市CAPM實證檢驗
8.3.1根據β值分組對CAPM的時間序列檢驗
8.3.2根據β值分組對CAPM的橫截面檢驗
8.4三因素資本資產定價模型及其實證檢驗
8.4.1三因素資本資產定價模型
8.4.2三因素模型在上海股票市場的實證檢驗
參考文獻
第9章有效市場假說與事件研究法
9.1有效市場假說的主要觀點
9.1.1有效市場假說
9.1.2市場有效性的三種狀態
9.1.3有效市場假說的實踐意義
9.1.4隨機游走的設定
9.2有效市場假說的實證檢驗
9.2.1弱式有效市場假說檢驗方法
9.2.2半強式有效市場假說的檢驗
9.2.3強式有效市場假說的檢驗
9.2.4中國證券市場有效性實證檢驗回顧
9.2.5案例分析： 中國股市有效性檢驗
9.3事件研究法介紹
9.3.1事件研究概述
9.3.2事件研究法的步驟
9.4事件研究法案例分析
9.4.1案例1分析
9.4.2案例2分析
參考文獻
第10章風險度量方法及應用
10.1金融市場風險概述
10.1.1風險分類
10.1.2金融風險管理的程序
10.1.3風險管理的意義
10.2金融風險度量方法
10.2.1VaR方法
10.2.2CVaR方法和ES方法
10.2.3案例分析
參考文獻
第11章金融高頻數據分析及應用
11.1金融高頻數據特征分析
11.1.1金融高頻數據概念
11.1.2金融高頻數據的主要特征
11.2波動率建模及應用
11.2.1波動率度量方法
11.2.2跳躍檢驗方法
11.2.3波動率模型
11.2.4模型評價
11.2.5案例分析
參考文獻
附錄: 統計分布表
新書資訊