金融計(jì)量學(xué)第一章導(dǎo)論學(xué)習(xí)目標(biāo)金融計(jì)量內(nèi)涵；金融計(jì)量建模步驟；常用金融計(jì)量軟件，尤其是Eviews

和SAS的使用；金融計(jì)量學(xué)所具備的基礎(chǔ)知識(shí)。第一章導(dǎo)論第一節(jié)金融計(jì)量學(xué)含義及其建模步驟第二節(jié)常用金融計(jì)量軟件介紹

第三節(jié)本書的統(tǒng)計(jì)學(xué)與概率知識(shí)

金融計(jì)量學(xué)含義及其建模步驟金融計(jì)量學(xué)的含義，在西方一般是指金融市場(chǎng)的計(jì)量分析，主要包括對(duì)金融市場(chǎng)各種變量（利率、匯率、交易量、價(jià)格等）進(jìn)行相應(yīng)的統(tǒng)計(jì)分析和計(jì)量建模，以及對(duì)實(shí)證金融中的大量金融理論和現(xiàn)象進(jìn)行分析。在本書中，我們的金融計(jì)量分析主要內(nèi)容包括兩大部分：金融的主要計(jì)量方法和金融市場(chǎng)的實(shí)證分析。

金融計(jì)量學(xué)含義及其建模步驟二、金融計(jì)量建模過程本教程在金融計(jì)量建模過程中側(cè)重于計(jì)量方法在金融市場(chǎng)的應(yīng)用。我們參照英國著名金融計(jì)量學(xué)家布魯克斯（ChrisBrooks）的思路，對(duì)金融計(jì)量建模的步驟描述如下：金融計(jì)量學(xué)含義及其建模步驟步驟1：關(guān)于研究問題的概述。步驟2：樣本數(shù)據(jù)收集。

步驟3：選擇合適的估計(jì)方法來估計(jì)模型。

步驟4：對(duì)模型進(jìn)行實(shí)證檢驗(yàn)。

步驟5：模型應(yīng)用。

金融計(jì)量學(xué)含義及其建模步驟三、金融模型中的數(shù)據(jù)（一）金融數(shù)據(jù)類型時(shí)間序列數(shù)據(jù)（timeseriesdata）橫截面數(shù)據(jù)（cross-sectionaldata）面板數(shù)據(jù)（paneldata）金融計(jì)量學(xué)含義及其建模步驟（二）金融數(shù)據(jù)來源金融計(jì)量分析需要的大量的數(shù)據(jù)，其來源通常有三個(gè)渠道：1、專業(yè)性網(wǎng)站2、專業(yè)數(shù)據(jù)公司和信息公司3、抽樣調(diào)查。常用金融計(jì)量軟件介紹一、常用金融計(jì)量軟件1、EViewsEViews是美國GMS公司1981年發(fā)行第1版的Micro

TSP的Windows版本，通常稱為計(jì)量經(jīng)濟(jì)學(xué)軟件包。EViews是Econometrics

Views的縮寫，它的本意是對(duì)社會(huì)經(jīng)濟(jì)關(guān)系與經(jīng)濟(jì)活動(dòng)的數(shù)量規(guī)律，采用計(jì)量經(jīng)濟(jì)學(xué)方法與技術(shù)進(jìn)行“觀察”。計(jì)量經(jīng)濟(jì)學(xué)研究的核心是設(shè)計(jì)模型、收集資料、估計(jì)模型、檢驗(yàn)?zāi)Ｐ?、運(yùn)用模型進(jìn)行預(yù)測(cè)、求解模型和運(yùn)用模型。常用金融計(jì)量軟件介紹軟件名稱網(wǎng)址EviewsSASSPSSMatlabS-PLUSStatisticaStata常用金融計(jì)量軟件網(wǎng)址

常用金融計(jì)量軟件介紹二、本教程所用的主要軟件——Eviews5.0和SAS8.2（一）Eviews5.0使用簡介Eviews是一款使用簡便的金融計(jì)量軟件，具備應(yīng)用計(jì)量的多種常用功能。讀者可以結(jié)合窗口、工具按鈕、菜單及子菜單等來使用該軟件。下面。我對(duì)通過Eviews5.0向讀者介紹該軟件的主要使用方法：常用金融計(jì)量軟件介紹1、數(shù)據(jù)導(dǎo)入使用計(jì)量軟件進(jìn)行金融計(jì)量的第一個(gè)步驟就是進(jìn)行數(shù)據(jù)數(shù)據(jù)，建立一個(gè)數(shù)據(jù)集。在File菜單中選擇New命令，接著選擇Workfile命令，就出現(xiàn)如圖1-2所示的“Work”對(duì)話框。常用金融計(jì)量軟件介紹3、繪圖繪圖是統(tǒng)計(jì)軟件的重要功能之一，通過圖形可以直觀地說明金融及經(jīng)濟(jì)問題。Eviews提供各種數(shù)據(jù)圖形輸出方式，包括線性圖、條狀圖、散點(diǎn)圖、餅狀圖等。常用金融計(jì)量軟件介紹（二）SAS使用簡介目前，SAS軟件已成為全球金融服務(wù)業(yè)、保險(xiǎn)業(yè)、電信業(yè)、制造業(yè)等諸多領(lǐng)域應(yīng)用最廣的軟件之一。2002年，財(cái)富500強(qiáng)企業(yè)中有90%的公司在使用SAS軟件和解決方案。在我國，SAS軟件日益得到高校研究和商業(yè)用戶的認(rèn)可，并呈現(xiàn)快速發(fā)展的態(tài)勢(shì)。在介紹SAS軟件使用前，我們先分析一下SAS軟件的特點(diǎn)。（1）統(tǒng)計(jì)功能強(qiáng)大。（2）簡單易學(xué)。（3）將數(shù)據(jù)處理與統(tǒng)計(jì)分析融為一體。（4）適應(yīng)性強(qiáng)、應(yīng)用面廣。常用金融計(jì)量軟件介紹1、數(shù)據(jù)導(dǎo)入在利用SAS系統(tǒng)處理數(shù)據(jù)時(shí)，我們首先要啟動(dòng)SAS系統(tǒng)。完成系統(tǒng)啟動(dòng)后，桌面會(huì)自動(dòng)彈出SAS工作界面。從SAS界面看，SAS主窗口包括菜單條和工具條，是在交換方式下運(yùn)行的。在SAS系統(tǒng)要完成的工作，可以通過SAS的一些子菜單提交或通過編寫SAS程序來完成。常用金融計(jì)量軟件介紹3、繪圖功能展現(xiàn)各種數(shù)據(jù)相關(guān)聯(lián)的圖形式呈現(xiàn)數(shù)據(jù)的重要方法，SAS提供各種常用的繪圖功能，且易于程序完成。本書的統(tǒng)計(jì)學(xué)與概率知識(shí)一、隨機(jī)變量（一）隨機(jī)變量的含義隨機(jī)變量（randomvariable）是取值具有隨機(jī)性的變量。按照隨機(jī)變量的取值特征可以分為離散型和連續(xù)型兩種，其中離散型隨機(jī)變量是只能去有限或可數(shù)的多個(gè)數(shù)值，而連續(xù)型隨機(jī)變量的取值只能充滿一個(gè)或若干有限或無限區(qū)間。本書的統(tǒng)計(jì)學(xué)與概率知識(shí)（二）隨機(jī)變量的數(shù)值特征1、期望值隨機(jī)變量的期望值（expectedvalue）是以概率為權(quán)重所得的加權(quán)平均值。對(duì)于一個(gè)只有有限個(gè)取值可能的隨機(jī)變量，可表示為：本書的統(tǒng)計(jì)學(xué)與概率知識(shí)（2）標(biāo)準(zhǔn)差（standarddeviation）我們常用方差的平方根，即來表示標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)差可用百分率來表示，或者以貨幣為標(biāo)準(zhǔn)差的單位，其計(jì)算公式為：本書的統(tǒng)計(jì)學(xué)與概率知識(shí)3、協(xié)方差和相關(guān)系數(shù)（1）兩個(gè)隨機(jī)變量組成的隨機(jī)向量的聯(lián)合分布在數(shù)學(xué)上，聯(lián)合分布涉及兩個(gè)隨機(jī)變量成對(duì)取值得概率分布。在投資學(xué)中，我們用、分別表示證券i和證券j的收益率的兩個(gè)隨機(jī)變量，則其聯(lián)合分布通常表示為：其含義是證券i和證券j的“收益率對(duì)”為的可能性的概率為。本書的統(tǒng)計(jì)學(xué)與概率知識(shí)（2）協(xié)方差如果已知證券i和證券j的收益率的聯(lián)合分布，則其協(xié)方差記作。協(xié)方差（covariance）是測(cè)算兩個(gè)隨機(jī)變量之間相互關(guān)系的統(tǒng)計(jì)指標(biāo)。

為證券i與證券j收益之間的協(xié)方差。協(xié)方差也可以表達(dá)：

本書的統(tǒng)計(jì)學(xué)與概率知識(shí)（3）相關(guān)系數(shù)與協(xié)方差密切相關(guān)的另一統(tǒng)計(jì)變量是相關(guān)系數(shù)（correlationcoefficient）。它是從資產(chǎn)回報(bào)相關(guān)性的角度對(duì)協(xié)方差進(jìn)行重新標(biāo)度，以便于不同組對(duì)隨機(jī)變量得相對(duì)值之間進(jìn)行比較分析。兩個(gè)隨機(jī)變量間的協(xié)方差等于這兩個(gè)變量之間的相關(guān)系數(shù)與他們標(biāo)準(zhǔn)差的乘積，即可得相關(guān)系數(shù)：本書的統(tǒng)計(jì)學(xué)與概率知識(shí)相關(guān)系數(shù)比較兩個(gè)證券收益率之間相關(guān)性的大小，如果a與b證券之間相關(guān)系數(shù)比a與c之間相關(guān)系數(shù)大，則說明前者的相關(guān)性比后者強(qiáng)。相關(guān)系數(shù)總處于+1和-1之間。這樣，我們就可以得到協(xié)方差邊界（covariancebound），這時(shí)兩個(gè)隨機(jī)變量滿足：

若=1，則表示和完全正相關(guān)。若=-1，則表示和完全負(fù)相關(guān)。若=0，則表示和不相關(guān)。本書的統(tǒng)計(jì)學(xué)與概率知識(shí)4、偏度和峰度（1）偏度（SkewedDistributions）偏度是用來衡量隨機(jī)變量的概率分布是否圍繞其均值對(duì)稱。一般我們將偏度稱為三階矩，因?yàn)槠涔蕉x為：本書的統(tǒng)計(jì)學(xué)與概率知識(shí)當(dāng)概率分布圍繞均值對(duì)稱時(shí)，對(duì)于其概率密度函數(shù)，存在，此時(shí)偏度；若隨機(jī)變量x少數(shù)變量遠(yuǎn)遠(yuǎn)大于均值，使概率密度曲線右側(cè)尾部拖得很長，則稱概率分布為正偏態(tài)，此時(shí)；若少數(shù)變量數(shù)值很小，則概率密度曲線左側(cè)尾部拖得很長，則稱概率分布為負(fù)偏態(tài)，此時(shí)。本書的統(tǒng)計(jì)學(xué)與概率知識(shí)概率分布的對(duì)稱性通常用偏度系數(shù)S來表示，其定義為：其中，為隨機(jī)變量的標(biāo)準(zhǔn)差。本書的統(tǒng)計(jì)學(xué)與概率知識(shí)（2）峰度(kurtosis)峰度這一統(tǒng)計(jì)指標(biāo)反映的是隨機(jī)變量概率密度函數(shù)尾部的厚尾（或稱為寬度），通用用于判斷某個(gè)隨機(jī)變量是否服從正態(tài)分布。峰度的定義公式為，因此又稱為四階矩。峰度系數(shù)則是在峰度的基礎(chǔ)上進(jìn)行標(biāo)準(zhǔn)化，并表達(dá)為：本書的統(tǒng)計(jì)學(xué)與概率知識(shí)二、概率分布1、正態(tài)分布正態(tài)分布是一個(gè)連續(xù)的、形態(tài)如鐘形的概率分布。正態(tài)分布完全可以用均值和方差進(jìn)行描述。若連續(xù)隨機(jī)變量的概率密度函數(shù)具有如下形式：則稱隨機(jī)變量服從正態(tài)分布，并可記作：本書的統(tǒng)計(jì)學(xué)與概率知識(shí)2、分布在統(tǒng)計(jì)學(xué)中，另一個(gè)重要的概率分布是分布。如前所述，若隨機(jī)變量服從均值為，方差為的正態(tài)分布，則。統(tǒng)計(jì)理論表明，標(biāo)準(zhǔn)正態(tài)分布的平方服從自由度（degreeoffreedom,df..）為1的分布，即本書的統(tǒng)計(jì)學(xué)與概率知識(shí)3、t分布在計(jì)量經(jīng)濟(jì)學(xué)中，另一個(gè)廣泛使用的概率分布是t分布（tdistribution）。若是一個(gè)變量，而變量獨(dú)立于，且服從于自由度為的分布，則比率服從自由度為的分布。本書的統(tǒng)計(jì)學(xué)與概率知識(shí)4、分布在多元回歸分析中，常用到分布檢驗(yàn)?zāi)Ｐ偷娘@著性。若兩個(gè)服從分布的隨機(jī)變量相互獨(dú)立，其自由度分別為和，則服從自由度為（，）的分布。其中，和分別是分子自由度和分母自由度。本書的統(tǒng)計(jì)學(xué)與概率知識(shí)5、二項(xiàng)式分布在金融計(jì)量領(lǐng)域中，有一些隨機(jī)事件是只具有兩種互斥結(jié)果的離散型隨機(jī)事件，稱為二項(xiàng)分類變量（dichotomousvariable）。二項(xiàng)分布（binom