本書對金融統計方法及其在金融領域中的運用進行了詳細的講解與分析，書中每部分的內容由淺入深，易于理解。與目前的同類教材相比，本書更加側重統計與計量方法在金融市場和衍生品領域的應用性，在方法的講解與分析上也更加全面。此外，本書還以2008年金融危機為背景將統計方法運用于此次危機中一些重要的金融衍生品如CDO等的分析。
前言
全球金融危機（2007~2009）以及尾隨其后的歐債危機（2009~）給商業、經濟和政府管理都帶來了巨大的改變。外溢效應和危機的全球化造成了數百億美元的損失，并給當代社會帶來了巨大的挑戰。因此，對我們而言，修正教材并對金融統計學和計量經濟學進行更為現實的研究已成為迫在眉睫的任務。特別地，我們認為有必要著重探討一下擔保債務憑證CDO（見第22章），此金融工具在全球金融危機爆發前變得尤為流行，并因此被主流媒體視為危機的導火索之一。通過觀察近年來利率市場的重要變化，我們重構并更新了第10章。在第18章和第22章，我們用最近的數據更新了數據分析。此外，所有章節的練習也匹配了更新后的習題冊（S.Borak,W.K.Hrdle and B.Lopez Cabrera (Springer Verlag,Heidelberg,ISBN:978-3-642-33929-5)）。除了這些改變，我們還修正了第3版的一些細節錯誤并補充了符號和定義部分。最后，我們特別要感謝這一版的編輯Piotr Majer。
所有文件可以從Springer.com網站下載。
于爾根·弗蘭克（Jürgen Franke）凱撒斯勞滕工業大學沃爾夫岡·卡爾·哈德勒（Wolfgang K.Hrdle）柏林大學克里斯蒂安·馬蒂亞斯·哈夫納（Christian M.Hafner）比利時魯汶大學2015年1月
譯者序本書對金融統計方法及其在金融領域中的運用進行了詳細的講解與分析，書中每部分的內容均由淺入深，易于理解。與目前的同類教材相比，本書更加側重統計與計量方法在金融市場和衍生品領域的應用性，在方法的講解與分析上也更加全面。此外，本書還以2008年金融危機為背景，將統計方法運用于此次危機中一些重要的金融衍生品（如CDO等）的分析中。
本書主要涵蓋三部分內容：第一部分內容為期權定價理論，該部分內容在對相關金融衍生品和數學基礎知識進行介紹的基礎上,對相關期權定價模型和理論進行了詳細的講解；第二部分內容為金融時間序列統計模型，該部分對金融時間序列相關統計計量模型如ARIMA模型等，進行了詳細的講解；第三部分介紹了一些統計計量方法在金融領域，如投資組合選擇、風險管理中的應用。
該書各部分的內容介紹均由淺入深，因此，對于本科生、碩士生和博士生均較為合適。對于本科生來說，部分較難的內容可以作為擴展閱讀。
本書得以完成，得到了許多同學的無私支持。在此，譯者感謝金浩、王夢妍、趙琳、劉芳、王祥、徐顏玉、劉朝良、林濱、余沛瑤、相良等同學在本書部分內容翻譯、公式編輯和圖表整理上所給予的幫助。另外，在本書的出版過程中，還得到了機械工業出版社華章分社的大力幫助，特此表示衷心的謝意。
本書部分內容難度較大，盡管譯者在翻譯過程中始終謹慎動筆、仔細求證，但難免還會存在些許疏漏，懇請廣大讀者批評指正。
作者簡介于爾根·弗蘭克（Jürgen Franke）凱撒斯勞騰工業大學數學系教授，主要研究領域包括：運用神經網絡模型、整時間序列和非參數非線性時間序列模型作為閾值模型來研究參數、非平穩時間序列模型、混合模型（如馬爾科夫轉換模型）、風險量化、積分時間序列等。
沃爾夫岡·卡爾·哈德勒（Wolfgang Karl Hrdle）柏林洪堡大學經濟商學院統計計量研究所終身教授，同時為數據研究中心主任，IRTG項目總負責人，廈門大學外籍專家教授。主要研究領域包括：修均法、離散選擇模型、金融市場和計算機輔助統計領域的統計建模，近則在研究隱含波動率建模以及金融風險的統計分析。
克里斯蒂安·馬蒂亞斯·哈夫納（Christian Matthias Hafner）比利時魯汶大學教授，統計、生物統計學和精算科學學院院長，魯汶大學運籌學與計量經濟學研究中心準會員，在Studies in Nonlinear Dynamics and Econometrics、Computational Statistics、Banking and Finance Review等期刊任副主編。主要研究領域包括：時間序列計量經濟學、應用非參數統計和實證金融。
前 言
譯者序
作者簡介
譯者簡介
第一部分
期權定價
第1章 衍生品2
文獻推薦6
練習6
第2章 期權管理8
2.1 套利關系8
2.2 投資組合保險15
2.3 單期二叉樹模型20
文獻推薦22
練習23
第3章 概率論基礎25
3.1 實值隨機變量25
3.2 期望與方差27
3.3 偏度和峰度27
3.4 隨機向量，依賴性，相關性28
3.5 條件概率和期望29
文獻推薦30
練習30
第4章 離散時間隨機過程32
4.1 二項過程32
4.2 三項過程35
4.3 一般隨機游走36
4.4 幾何隨機游走36
4.5 擁有狀態依賴型增量的二項模型37
文獻推薦38
練習38
第5章 隨機積分與微分方程39
5.1 維納過程39
5.2 隨機積分41
5.3 隨機微分方程43
5.4 作為隨機過程的股價45
5.5 伊藤引理46
文獻推薦48
練習48
第6章 Black-Scholes期權定價模型50
6.1 Black-Scholes微分方程50
6.2 歐式期權的Black-Scholes公式54
6.3 模擬59
6.4 風險管理和套期保值66
文獻推薦75
練習76
第7章 歐式期權的二叉樹模型79
7.1 Cox-Ross-Rubinstein期權定價法80
7.2 離散股息83
文獻推薦85
練習86
第8章 美式期權87
8.1 美式期權的套利關系87
8.2 三叉樹模型92
文獻推薦94
練習94
第9章 奇異期權96
9.1 復合期權，期權的期權97
9.2 后定期權或“如你所愿”期權98
9.3 障礙期權98
9.4 亞式期權100
9.5 回望期權101
9.6 棘輪期權102
9.7 籃子期權103
文獻推薦104
練習104
第10章 利率和利率衍生品106
10.1 定義和標記106
10.2 風險中性定價和計價單位測度108
10.3 利率衍生品112
10.4 利率建模117
10.5 債券定價123
10.6 校準利率模型124
文獻推薦129
練習129
第二部分
金融時間序列統計模型
第11章 導論：定義與概念132
11.1 一些定義132
11.2 對于德國和英國股票收益率的統計分析137
11.3 預期與有效市場139
11.4 計量模型：一個簡單的總結142
11.5 隨機游走假設149
11.6 單位根檢驗150
文獻推薦156
練習156
第12章 ARIMA時間序列模型158
12.1 移動平均過程158
12.2 自回歸過程（Autoregressive Process）160
12.3 ARMA過程162
12.4 偏自相關（Partial Autocorrelation）163
12.5 矩估計（Estimation of Moments）166
12.6 Portmanteau統計量168
12.7 估計AR（p）模型168
12.8 估計MA（q）和ARMA（p,q）模型169
文獻推薦172
練習172
第13章 具有隨機波動率的時間序列175
13.1 ARCH和GARCH模型176
13.2 GARCH模型的拓展190
13.3 GARCH的缺陷194
13.4 多變量GARCH模型200
13.5 連續時間的GARCH模型205
文獻推薦209
練習209
第14章 長期記憶時間序列211
14.1 長期依賴的定義211
14.2 分整和長期記憶212
14.3 長期記憶和自相似過程213
14.4 長期記憶的發現216
14.5 長期記憶參數的估計218
14.6 長期記憶模型220
14.7 經驗證據222
文獻推薦224
第15章 非參數計量和靈活時間序列估計量225
15.1 非參數回歸225
15.2 估計量的構建227
15.3 示例228
15.4 靈活波動率估計量228
15.5 基于ARCH模型的期權定價229
15.6 DAX看漲期權估值中的應用233
文獻推薦235
第三部分
金融市場應用
第16章 在險價值與后驗測試238
16.1 預測與VaR模型239
16.2 期望損失后驗測試法241
16.3 后驗測試的實際操作242
文獻推薦245
練習245
第17章 連接與在險價值248
17.1 連接249
17.2 連接分類251
17.3 蒙特卡洛模擬257
17.4 連接的估計260
17.5 資產配置263
17.6 投資組合收益率的在險價值263
文獻推薦272
練習272
第18章 極端風險的統計273
18.1 風險測度273
18.2 數據描述275
18.3 估計方法277
18.4 后驗測試291
18.5 時間序列的極值理論291
文獻推薦295
練習296
第19章 神經網絡298
19.1 從感知器到非線性神經元299
19.2 反向傳播（Back Propagation）算法304
19.3 神經網絡在非參數回歸中的應用305
19.4 神經網絡在金融時間序列預測中的應用309
19.5 神經網絡在風險定量研究中的應用311
文獻推薦314
第20章 期權投資組合的波動性風險315
20.1 數據說明316
20.2 VDAX動態的主成分因子分析317
20.3 VDAX動態的穩定性分析319
20.4 隱含波動率風險的測度320
文獻推薦321
練習322
第21章 違約概率的非參數估計324
21.1 邏輯回歸(Logistic Regression）324
21.2 信用評級的半參數模型325
21.3 神經網絡在信用評級中的應用328
第22章 信貸風險管理及信用衍生產品329
22.1 基本概念329
22.2 伯努利模型330
22.3 泊松模型331
22.4 工業模型332
22.5 單因子模型335
22.6 連接函數和損失分布336
22.7 擔保債
新書資訊