全面闡述了金融時間序列，並主要介紹了金融時間序列理論和方法的當前研究熱點和一些最新研究成果，尤其是風險值計算、高頻數據分析、隨機波動率建模和馬爾可夫鏈蒙特卡羅方法等方面。此外，《金融時間序列分析(第3版)》還系統闡述了金融計量經濟模型及其在金融時間序列數據和建模中的應用，所有模型和方法的運用均采用實際金融數據，並給出了所用計算機軟件的命令。較之第2版，本版不僅更新了上一版中使用的數據，而且還給出了R命令和實例，從而使其成為理解重要統計方法和技術的奠基石。《金融時間序列分析(第3版)》可作為時間序列分析的教材，也適用於商學、經濟學、數學和統計學專業對金融的計量經濟學感興趣的高年級本科生和研究生，同時，也可作為商業、金融、保險等領域專業人士的參考用書。蔡瑞胸（Ruey S.Tsay），美國芝加哥大學布斯商學院經濟計量學和統計學的H.G.B.Alexander講席教授。1982年於美國威斯康星大學麥迪遜分校獲得統計學博士學位。中國台灣「中央研究院」院士，美國統計協會、數理統計學會及皇家統計學會的會士，Journal of Forecasting的聯合主編，Journal of Financial Econometrics的副主編。曾任美國統計學會商務與經濟統計分會主席及《商務與經濟統計》期刊主編。在商務和經濟預測、數據分析、風險管理和過程控制領域撰寫並發表了論文100多篇。他也是A Course in Time Series Analysis的合著者。

第1章 金融時間序列及其特征1.1資產收益率1.2收益率的分布性質1.2.1統計分布及其矩的回顧1.2.2收益率的分布1.2.3多元收益率1.2.4收益率的似然函數1.2.5收益率的經驗性質1.3其他過程附錄R程序包練習題參考文獻第2章 線性時間序列分析及其應用2.1平穩性2.2相關系數和自相關函數2.3白噪聲和線性時間序列2.4簡單的自回歸模型2.4.1AR模型的性質2.4.2實際中怎樣識別AR模型2.4.3擬合優度2.4.4預測2.5簡單滑動平均模型2.5.1MA模型的性質2.5.2識別MA的階2.5.3估計2.5.4用MA模型預測2.6簡單的ARMA模型2.6.1ARMA（1，1）模型的性質2.6.2一般的ARMA模型2.6.3識別ARMA模型2.6.4用ARMA模型進行預測2.6.5ARMA模型的三種表示2.7單位根非平穩性2.7.1隨機游動2.7.2帶漂移的隨機游動2.7.3帶趨勢項的時間序列2.7.4一般的單位根非平穩模型2.7.5單位根檢驗2.8季節模型2.8.1季節性差分化2.8.2多重季節性模型2.9帶時間序列誤差的回歸模型2.10協方差矩陣的相合估計2.11長記憶模型附錄一些SCA的命令練習題參考文獻第3章 條件異方差模型3.1波動率的特征3.2模型的結構3.3建模3.4ARCH模型3.4.1ARCH模型的性質3.4.2ARCH模型的缺點3.4.3ARCH模型的建立3.4.4一些例子3.5GARCH模型3.5.1實例說明3.5.2預測的評估3.5.3兩步估計方法3.6求和GARCH模型3.7GARCH－M模型3.8指數GARCH模型3.8.1模型的另一種形式3.8.2實例說明3.8.3另一個例子3.8.4用EGARCH模型進行預測3.9門限GARCH模型3.10CHARMA模型3.11隨機系數的自回歸模型3.12隨機波動率模型3.13長記憶隨機波動率模型3.14應用3.15其他方法3.15.1高頻數據的應用3.15.2日開盤價、最高價、最低價和收盤價的應用3.16GARCH模型的峰度附錄波動率模型估計中的一些RATS程序練習題參考文獻第4章 非線性模型及其應用4.1非線性模型4.1.1雙線性模型4.1.2門限自回歸模型4.1.3平滑轉移AR（STAR）模型4.1.4馬爾可夫轉換模型4.1.5非參數方法4.1.6函數系數AR模型4.1.7非線性可加AR模型4.1.8非線性狀態空間模型4.1.9神經網絡4.2非線性檢驗4.2.1非參數檢驗4.2.2參數檢驗4.2.3應用4.3建模4.4預測4.4.1參數自助法4.4.2預測的評估4.5應用附錄A一些關於非線性波動率模型的RATS程序附錄B神經網絡的S－Plus命令練習題參考文獻第5章 高頻數據分析與市場微觀結構5.1非同步交易5.2買賣報價差5.3交易數據的經驗特征5.4價格變化模型5.4.1順序概率值模型5.4.2分解模型5.5持續期模型5.5.1ACD模型5.5.2模擬5.5.3估計5.6非線性持續期模型5.7價格變化和持續期的二元模型5.8應用附錄A一些概率分布的回顧附錄B危險率函數附錄C對持續期模型的一些RATS程序練習題參考文獻第6章 連續時間模型及其應用6.1期權6.2一些連續時間的隨機過程6.2.1維納過程6.2.2廣義維納過程6.2.3伊藤過程6.3伊藤引理6.3.1微分回顧6.3.2隨機微分6.3.3一個應用6.3.4μ和σ的估計6.4股票價格與對數收益率的分布6.5B－S微分方程的推導6.6B－S定價公式6.6.1風險中性世界6.6.2公式6.6.3歐式期權的下界6.6.4討論6.7伊藤引理的擴展6.8隨機積分6.9跳躍擴散模型6.10連續時間模型的估計附錄AB－S公式積分附錄B標准正態概率的近似練習題參考文獻第7章 極值理論、分位數估計與風險值7.1風險值7.2風險度量制7.2.1討論7.2.2多個頭寸7.2.3預期損失7.3VaR計算的計量經濟方法7.3.1多個周期7.3.2在條件正態分布下的預期損失7.4分位數估計7.4.1分位數與次序統計量7.4.2分位數回歸7.5極值理論7.5.1極值理論的回顧7.5.2經驗估計7.5.3對股票收益率的應用7.6VaR的極值方法7.6.1討論7.6.2多期VaR7.6.3收益率水平7.7基於極值理論的一個新方法7.7.1統計理論7.7.2超額均值函數7.7.3極值建模的一個新方法7.7.4基於新方法的VaR計算7.7.5參數化的其他方法7.7.6解釋變量的使用7.7.7模型檢驗7.7.8說明7.8極值指數7.8.1D（un）條件7.8.2極值指數的估計7.8.3平穩時間序列的風險值練習題參考文獻第8章 多元時間序列分析及其應用8.1弱平穩與交叉一相關矩陣8.1.1交叉－相關矩陣8.1.2線性相依性8.1.3樣本交叉－相關矩陣8.1.4多元混成檢驗8.2向量自回歸模型8.2.1簡化形式和結構形式8.2.2VAR（1）模型的平穩性條件和矩8.2.3向量AR（p）模型8.2.4建立一個VAR（p）模型8.2.5脈沖響應函數8.3向量滑動平均模型8.4向量ARMA模型8.5單位根非平穩性與協整8.6協整VAR模型8.6.1確定性函數的具體化8.6.2最大似然估計8.6.3協整檢驗8.6.4協整VAR模型的預測8.6.5例子8.7門限協整與套利8.7.1多元門限模型8.7.2數據8.7.3估計8.8配對交易8.8.1理論框架8.8.2交易策略8.8.3簡單例子附錄A向量與矩陣的回顧附錄B多元正態分布附錄C一些SCA命令練習題參考文獻第9章 主成分分析和因子模型9.1因子模型9.2宏觀經濟因子模型9.2.1單因子模型9.2.2多因子模型9.3基本面因子模型9.3.1BARRA因子模型9.3.2Fama－French方法9.4主成分分析9.4.1PCA理論9.4.2經驗的PCA9.5統計因子分析9.5.1估計9.5.2因子旋轉9.5.3應用9.6漸近主成分分析9.6.1因子個數的選擇9.6.2例子練習題參考文獻第10章 多元波動率模型及其應用10.1指數加權估計10.2多元GARCH模型10.2.1對角VEC模型10.2.2BEKK模型10.3重新參數化10.3.1相關系數的應用10.3.2Cholesky分解10.4二元收益率的GARCH模型10.4.1常相關模型10.4.2時變相關模型10.4.3動態相關模型10.5更高維的波動率模型10.6因子波動率模型10.7應用10.8多元t分布附錄對估計的一些注釋練習題參考文獻第11章 狀態空間模型和卡爾曼濾波11.1局部趨勢模型11.1.1統計推斷11.1.2卡爾曼濾波11.1.3預測誤差的性質11.1.4狀態平滑11.1.5缺失值11.1.6初始化效應11.1.7估計11.1.8所用的S－Plus命令11.2線性狀態空間模型11.3模型轉換11.3.1帶時變系數的CAPM11.3.2ARMA模型11.3.3線性回歸模型11.3.4帶ARMA誤差的線性回歸模型11.3.5純量不可觀測項模型11.4卡爾曼濾波和平滑11.4.1卡爾曼濾波11.4.2狀態估計誤差和預測誤差11.4.3狀態平滑11.4.4擾動平滑11.5缺失值11.6預測11.7應用練習題參考文獻第12章 馬爾可夫鏈蒙特卡羅方法及其應用12.1馬爾可夫鏈模擬12.2Gibbs抽樣12.3貝葉斯推斷12.3.1后驗分布12.3.2共軛先驗分布12.4其他算法12.4.1Metropolis算法12.4.2Metropolis－Hasting算法12.4.3格子Gibbs抽樣12.5帶時間序列誤差的線性回歸12.6缺失值和異常值12.6.1缺失值12.6.2異常值的識別12.7隨機波動率模型12.7.1一元模型的估計12.7.2多元隨機波動率模型12.8估計隨機波動率模型的新方法12.9馬爾可夫轉換模型12.10預測12.11其他應用練習題參考文獻索引