计量经济模型在中国股票市场的应用 pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:经济管理

作者:娄峰

出品人:

页数:161

译者:

出版时间:2008-1

价格:29.00元

装帧:

isbn号码:9787509601242

丛书系列:

图书标签:

计量经济学
.
计量经济学
股票市场
中国股市
金融模型
投资分析
风险管理
时间序列分析
回归分析
资产定价
实证研究

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到图书目录大全

book.wenda123.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

《计量经济模型在中国股票市场的应用》系统地阐述了国际学术界用来解释中国A、B股和A、H股价格差异的各种假说，并进行了理沦模型推导。借鉴动态组合分析的思想，按各因素构造动态组合的方法，通过因子分析进行实证分析。通过面板数据的静态模型和动态模型两方面分析导致B股和H股折价的显著因素，并且在动态模型中应用广义矩估计法，有效克服了变量内生性问题，为我国股票市场走向成熟、规范、市场化、国际化提供一点参考。

计量经济模型在中国股票市场的应用引言中国作为全球第二大经济体，其股票市场的发展历程跌宕起伏，既充满了活力与机遇，也面临着诸多挑战与不确定性。在全球经济一体化日益加深的今天，理解并预测中国股票市场的运行规律，对于投资者、政策制定者以及学术研究者而言，都具有至关重要的意义。计量经济学作为一种运用数学和统计方法分析经济现象的学科，为我们提供了强大的工具来量化、解释和预测经济变量之间的关系。本书正是立足于这一时代背景，深入探讨计量经济模型如何在中国股票市场的具体应用中发挥其独特价值，为解析市场迷雾、洞察未来趋势提供一套严谨而实用的分析框架。本书并非泛泛而谈，而是聚焦于中国股票市场的独特微观结构、宏观经济影响以及制度性特征，并在此基础上，系统地梳理和介绍一系列被广泛证明行之有效的计量经济模型。我们致力于将抽象的模型理论与鲜活的市场实践相结合，旨在帮助读者构建一套能够真正应用于中国股票市场分析的知识体系。第一部分：中国股票市场的宏观经济环境与计量经济学分析基础在正式进入计量经济模型的应用之前，理解中国股票市场所处的宏观经济大环境是不可或缺的第一步。本部分将首先描绘中国经济发展的宏观图景，分析近年来影响股票市场运行的关键宏观经济指标，例如：GDP增长率、通货膨胀率、利率水平、汇率变动、货币供应量以及财政政策的变化等。我们将探讨这些宏观变量如何通过不同的渠道，或直接或间接地作用于股票市场的估值、流动性以及投资者的风险偏好，从而影响股票价格的波动。与此同时，本部分还将为读者奠定坚实的计量经济学分析基础。我们将回顾计量经济学中最基本、最核心的概念和方法，包括：回归分析（Regression Analysis）：重点介绍简单线性回归和多元线性回归模型，阐述其基本假设、参数估计（如OLS法）、假设检验以及模型诊断的方法。我们将强调理解因变量与自变量之间的线性关系，并学会如何量化这种关系的大小和显著性。时间序列分析（Time Series Analysis）：股票市场的数据具有显著的时间序列特征，因此，理解和运用时间序列模型至关重要。我们将介绍平稳性、自相关性、偏自相关性等概念，并重点讲解AR（自回归）、MA（移动平均）、ARMA（自回归移动平均）以及ARIMA（季节性自回归移动平均）模型。这些模型能够有效地捕捉股票价格的动态演变规律。面板数据分析（Panel Data Analysis）：考虑到中国股票市场中存在大量的上市公司，其数据呈现出横截面（不同公司）和时间序列（不同时间点）的双重维度，面板数据分析将是分析微观公司层面的关键工具。我们将介绍固定效应模型（Fixed Effects Model）和随机效应模型（Random Effects Model），以及如何选择和应用它们来处理公司特有的、随时间不变的因素以及随机扰动。计量经济学中的统计推断：确保读者能够理解统计显著性、置信区间、p值等概念，并学会如何根据统计检验结果来判断模型的有效性和变量的经济意义。通过本部分的学习，读者将能够理解计量经济模型背后的统计原理，并对中国宏观经济环境与股票市场的潜在联系有一个初步的认识，为后续更深入的模型应用打下坚实基础。第二部分：经典计量经济模型在中国股票市场中的应用在建立了理论基础之后，本部分将着重介绍一系列经典且适用于中国股票市场分析的计量经济模型，并结合具体的市场案例进行讲解。股票价格预测模型： ARIMA模型及其变种：除了基本的ARIMA模型，我们将探讨其在处理股票数据中的改进，例如引入季节性因素（SARIMA）或外部变量（ARIMAX），以更精确地预测股票价格的短期波动。向量自回归（VAR）模型：对于中国股票市场而言，多个经济变量（如利率、通胀、汇率、其他股指等）之间可能存在相互影响的动态关系。VAR模型能够同时对多个时间序列变量进行建模，捕捉它们之间的动态联动效应，从而为多变量的股票价格预测提供有力支持。状态空间模型（State Space Models）与卡尔曼滤波（Kalman Filter）：对于那些不可直接观测但可以通过观测值推断的潜在状态变量（如市场情绪、潜在的系统性风险等），状态空间模型提供了一种灵活的建模框架。卡尔曼滤波算法则能够有效地估计这些隐藏状态，并用于股票价格的预测和信号提取。影响股票收益率的因素分析模型：资本资产定价模型（CAPM）及其中国情境下的修正： CAPM是衡量股票风险与收益关系的经典模型。我们将分析其在中国股票市场是否适用，以及如何考虑中国市场的特殊性（如市场分割、信息不对称等）来修正CAPM模型，例如引入非市场风险因子。多因子模型（Multi-factor Models）：例如Fama-French三因子模型、Carhart四因子模型等，我们将探讨它们如何解释股票收益率的超额收益，以及这些因子（如市值、账面市值比、动量等）在中国市场的有效性。我们将通过回归分析，量化这些因子对中国上市公司股票收益率的影响程度。事件研究法（Event Study Methodology）：针对特定的公司事件（如重组、并购、盈利预告、政策发布等），事件研究法能够量化这些事件对股票价格的冲击效应。我们将介绍其基本原理、模型设定以及在处理中国市场信息不对称和信息传播速度等问题时的注意事项。波动率建模与风险管理： ARCH（自回归条件异方差）和GARCH（广义自回归条件异方差）模型：股票市场的波动性是其重要特征，且常常呈现集束性。ARCH和GARCH模型能够有效地捕捉这种条件异方差的特征，用于预测未来的波动率。我们将重点介绍GARCH及其各种变种（如EGARCH、GJR-GARCH等），以更精确地刻画中国股票市场的波动性动态。极值理论（Extreme Value Theory, EVT）：对于风险管理而言，理解极端事件（如股灾）的发生概率和后果至关重要。EVT提供了一套理论工具来建模和预测尾部风险，我们将探讨其在风险价值（VaR）和条件在险价值（CVaR）计算中的应用。在这一部分，我们将强调模型选择的依据、参数估计的技巧、模型诊断的重要性以及如何解释模型结果在中国的具体含义。第三部分：中国股票市场特有现象的计量经济学建模中国股票市场在发展过程中，也出现了一些具有鲜明特色的现象，这些现象的分析需要更具针对性的计量经济学方法。市场流动性分析：流动性度量指标的构建：如何科学地度量中国股票市场的流动性？我们将介绍各种流动性指标（如价差、交易量、换手率、微观价格效应等），并探讨如何利用计量模型来分析影响这些流动性指标的因素。流动性对股票收益率的影响：将流动性作为解释变量，通过回归分析量化其对股票收益率的动态影响。投资者情绪与行为金融学：情绪指标的构建与量化：如何捕捉并量化中国股票市场的投资者情绪？我们可以通过分析媒体报道、社交媒体数据、投资者调查问卷等，构建情绪指数，并将其引入计量模型。情绪对市场波动和泡沫形成的影响：通过引入情绪变量，分析其在中国股票市场价格发现、泡沫形成和破灭过程中的作用。政策冲击的计量经济学分析：结构性变量模型（Structural VAR, SVAR）：针对中国独特的宏观调控政策（如货币政策、财政政策、监管政策等），SVAR模型能够识别并分解不同政策冲击对股票市场的影响。我们将学习如何识别各变量之间的结构性关系，并量化政策冲击的具体传导机制。非参数方法与机器学习在政策效应分析中的应用：对于政策效应的非线性、时变性特征，我们将介绍如何引入非参数方法（如局部多项式回归）以及机器学习模型（如决策树、随机森林）来更灵活地分析政策效果。信息不对称与内幕交易的计量分析：代理变量的选择与模型设定：如何在计量模型中代理信息不对称和内幕交易？我们可以考虑公司治理结构、股权集中度、分析师预测分散度等作为代理变量。量化信息不对称对股票价格的影响：分析信息不对称程度如何影响股票价格的有效性、波动性以及收益率。第四部分：高级计量经济学方法与前沿应用本部分将进一步拓展读者在计量经济学模型应用方面的视野，介绍一些更高级的方法以及在当前中国股票市场中涌现出的前沿应用方向。非线性时间序列模型：阈值自回归（TAR）模型：股票市场的行为可能在不同的状态下表现出不同的规律。TAR模型能够捕捉这种非线性关系，例如在牛市和熊市中，股票价格的动态可能存在显著差异。隐马尔可夫模型（Hidden Markov Models, HMM）： HMM模型能够识别并建模股票市场中存在的、不可直接观测的不同“状态”（如平静期、波动期、恐慌期等），并分析状态之间的转移概率，从而为市场分析提供更深层次的洞察。机器学习在股票市场中的应用：监督学习：介绍如何将决策树、随机森林、支持向量机（SVM）、神经网络（包括深度学习）等应用于股票价格预测、个股选择、风险预测等任务。我们将强调特征工程、模型评估和过拟合的规避。无监督学习：介绍聚类分析、主成分分析（PCA）等在股票市场中的应用，例如识别具有相似特征的股票群体、降维处理高维数据等。因果推断方法：倾向得分匹配（Propensity Score Matching, PSM）：在分析特定事件（如公司治理改革、新政策出台）对股票市场的影响时，PSM能够构建一个对照组，以更可靠地估计因果效应。工具变量法（Instrumental Variables, IV）：当存在内生性问题时，IV方法能够寻找一个与被解释变量相关但与扰动项无关的工具变量，从而得到无偏的估计量。动态随机一般均衡（DSGE）模型在股票市场分析中的应用：理论基础与参数校准： DSGE模型能够构建一个完整的宏观经济框架，并将微观主体的行为纳入其中。我们将探讨如何将股票市场纳入DSGE模型，并通过校准参数来模拟宏观经济冲击对股票市场的影响。结论与展望本书的最后一章将对全书内容进行总结，梳理计量经济模型在中国股票市场应用中的核心要点和方法论。我们将强调模型的选择性、解释性与预测性的平衡，以及在实践中需要注意的各种细节和潜在陷阱。最后，我们将对未来中国股票市场计量经济学研究的方向进行展望，例如：如何更好地融合大数据与传统计量经济学、如何构建更具鲁棒性的风险管理模型、如何应对市场结构性变化以及技术创新带来的新挑战等。本书旨在为读者提供一个全面、深入且具有实践指导意义的计量经济模型在中国股票市场应用的学习平台，希望能够启发更多有价值的研究和分析。

作者简介

目录信息

读后感

评分☆☆☆☆☆

这本书简直就是圣经啊. 看过它再结合eviews中的guide看-----赞! 可惜没时间把它都念完回国买一本珍藏! 这本书简直就是圣经啊. 看过它再结合eviews中的guide看-----赞! 可惜没时间把它都念完回国买一本珍藏! 这本书简直就是圣经啊. 看过它再结合eviews中的guide看-----赞! 可...

评分☆☆☆☆☆

用户评价

评分☆☆☆☆☆

从学术贡献的角度来看，这本书的创新性是毋庸置疑的。作者并没有局限于时间序列分析或面板数据的传统框架，而是引入了一些前沿的非线性方法和高频数据处理技术，这在同类中文著作中是比较少见的。我尤其关注了其中关于“市场冲击传播机制”的那一章节，作者构建的模型对“黑天鹅”事件的早期预警信号捕捉能力，展现出了极高的潜力。这不仅仅是对现有计量工具的简单应用，更是在方法论层面做出了有益的拓展和修正。对于致力于量化研究的同行来说，这本书提供了一个非常好的基准和讨论的起点，它激发了我思考如何将这些高级技术应用于更细分的市场领域。

评分☆☆☆☆☆

这本书的装帧设计非常考究，封面采用了深沉的墨绿色，搭配烫金的书名和作者信息，透露出一种专业和严谨的气质。拿到手里的时候，能感受到纸张的质感很不错，内页的印刷清晰度也令人满意，长时间阅读下来眼睛也不会感到疲劳。从排版上看，作者似乎非常注重阅读体验，章节之间的留白恰到好处，图表和公式的布局也显得井井有条，这对于一本涉及复杂量化分析的书籍来说，无疑是加分项。整体来看，这本书在实体出版物这个层面上，已经做到了相当高的水准，让人有立刻翻阅的欲望。特别是书脊的设计，简约而不失大气，放在书架上也能成为一道亮眼的风景线。这种对细节的关注，往往预示着内容本身的质量也值得期待。

评分☆☆☆☆☆

坦白说，我是一位对金融工程有着浓厚兴趣的非科班出身的投资者，一开始我担心这本书的专业性会让我望而却步。然而，作者在撰写过程中似乎也考虑到了不同背景读者的需求。虽然核心内容涉及复杂的数学和统计学概念，但作者总能在关键转折点提供形象的比喻或清晰的文字解释，帮助读者建立直观的理解。比如，他们解释复杂协整关系时，用了‘两条河流最终汇合’的比喻，立刻就抓住了那种长期均衡的微妙感觉。因此，这本书不仅是对专业研究人员的深度指南，对于那些希望系统提升自己量化投资素养的严肃业余爱好者来说，也是一本极具启发性的进阶读物。它成功地搭建了一座从直觉认知到精确建模的桥梁。

评分☆☆☆☆☆

我是在一个金融研讨会上偶然听说了这本书的作者，我对他们过去在宏观经济预测方面的独到见解印象深刻，所以特地找来这本书阅读。初读之下，我发现作者的叙事方式非常引人入胜，不像很多学术著作那样堆砌公式和枯燥的理论，而是巧妙地将复杂的金融现象融入到清晰的逻辑框架中。他们似乎有一种天赋，能将看似散乱的市场波动，抽丝剥茧地还原成一套可被量化的模型。我特别欣赏作者在论证过程中所展现出的那种批判性思维，他们不盲目推崇某一主流模型，而是坦诚地指出现有工具的局限性，并尝试从新的角度寻找突破口。这种求真务实的态度，使得整本书读起来充满了一种探索未知的兴奋感，而不是简单的知识灌输。

评分☆☆☆☆☆

这本书的案例分析部分，可以说是全书的精华所在，它真正体现了“理论联系实际”的价值。我注意到作者选取了几个在中国股市历史上具有里程碑意义的事件作为分析对象，这些事件的选取角度非常刁钻，恰好能测试出不同计量工具的鲁棒性和适应性。我尝试对照书中的数据和模型进行小范围的复现，发现其计算过程严密，逻辑推导无懈可击。更重要的是，作者没有停留在“模型拟合度”的表面功夫上，而是深入挖掘了模型背后所反映的中国特有的市场结构和监管环境对金融变量的影响。这种本土化的深度挖掘，使得这本书的参考价值远超那些照搬西方成熟模型的出版物。

评分☆☆☆☆☆