金融计量学-教学大纲

《金融计量学》教学大纲

课程编号： 111003A

课程类型：□通识教育必修课□通识教育选修课

■专业必修课□专业选修课

□学科基础课

总学时：48 讲课学时：32 实验（上机）学时：16

学分：3

适用对象：金融工程，金融学，投资学

先修课程：统计学，金融学

一、教学目标

金融计量学是以金融学和统计学为基础，系统介绍了金融时间序列数据的基本建模方法和常用软件工具。其目的是通过建立金融计量模型来研究实际的金融问题。通过本课程的学习，使得学生掌握金融计量学的基本方法和原理。通过学习，可以达到：

目标1. 掌握金融时序数据的建模原理。

目标2. 具备金融问题计量建模的能力。

目标3. 掌握相应的计量软件操作。

本课程是《金融风险测度与管理》的前续课程，可以提高学生毕业设计的实证水平和质量。

二、教学内容及其与毕业要求的对应关系（黑体，小四号字）

拟实现的教学目标所采取的教学方法、教学手段包括教师教授、课件演示、上机实验以及习题练习。实践教学环节要求学生掌握EViews软件的使用、查找和下载金融数据的方法以及处理原始数据的基本技巧。学生课前需要预习，课后需要完成课后作业对照答案进行自查。教学过程中应注意本科生的接受和理解水平，增强案例演示，尽量减少难度过大的理论推导，对于金融计量中用到的重要假设检验的原理和目的应该精讲、细讲，理论推导应该粗讲、选讲，难点和重点应该反复讲，结合实际讲授。

该课程培养学生数量分析金融问题的能力，以满足金融工程专业毕业要求当中的数理能力及数据处理能力的培养，同时有助于提高学生毕业设计（论文）的实证分析质量。

三、各教学环节学时分配（黑体，小四号字）

学时分配表

四、教学内容

第一章金融计量学介绍

第一节金融计量学的范畴

1. 金融计量学的定义

2. 金融计量学的范畴

第二节金融时间序列数据

1. 金融时序数据的定义

2. 三类数据的定义与区别

第三节金融计量分析中的基本概念

1.增长率和收益率

2.随即变量与随机过程

3.联合分布

4.随即变量的期望与矩

5.金融模型与金融计量模型

第四节金融计量软件介绍

1.综合介绍

2.Eviews使用简介

3.其他计量软件使用简介

重点和难点：三类数据的区别，随机变量与随机过程，对数收益率的含义及统计意义，随机变量的期望与矩。

考核要点：了解金融计量学的范畴、分类。了解三类数据的特点和区别。了解随即变量和随机过程的概念，掌握几种收益率的含义和区别。了解Eview等软件的特点和应用范围。

第二章差分方程、滞后运算与动态模型

第一节一阶差分方程

1.差分方程的定义

2.一阶差分方程的求解(反复迭代法)

第二节动态乘数与脉冲响应函数

1.动态乘数

2.脉冲响应函数

第三节高阶差分方程

1. 高阶差分方程的定义

第四节滞后算子与滞后运算法

1.滞后算子定义与性质

2.差分方程的稳定性

重点和难点：差分方程的迭代，滞后算子的性质，差分方程的稳定性。

考核要点：理解一阶差分方程的定义、分类，掌握差分方程的迭代演算；理解动态乘数和脉冲响应函数的意义；理解高阶差分方程的定义；掌握滞后算子的定义和计算规则。

第三章平稳金融时间序列：AR模型

第一节基本概念

1. 随机过程与数据生成过程

2. 自协方差与自相关函数

3. 弱平稳与严平稳的定义

4. 白噪音过程

第二节一阶自回归模型 AR（1）

1.AR（1）过程的基本定义和性质

2.AR（1）过程的均值

3.AR（1）过程的方差

4.AR（1）过程的自协方差与自相关函数

5.一阶自回归系数的影响

第三节二阶自回归模型 AR（2）

1.AR（2）过程的基本定义和性质

2.AR（2）过程的均值

3.AR（2）过程的方差、自协方差与自相关函数

第四节 p阶自回归模型 AR（p）

1.AR（p）过程的基本定义和性质

2.AR（p）过程的均值

3.AR（p）过程的方差、自协方差与自相关函数

4. AR(p)模型的特征方程

重点和难点：宽平稳过程的定义和条件，白噪声过程，AR系列模型的自相关函数特点和平稳性条件，AR(p)模型的特征根方程。

考核要点：理解随机过程的定义，掌握二阶平稳时间序列的定义；理解AR(1)、AR(2)及AR（p）模型的定义，理解模型中的各类变量的不同地位；了解AR（1）、

AR(2)及AR(p)模型的均值、方差和自协方差的特点。

第四章自回归移动平均过程ARMA模型

第一节移动平均过程(MA Process)

1.MA(1) 模型

2.MA(2) 模型

3.MA（q）模型

4.MA模型的特征方程

第二节自回归移动平均过程(ARMA Processes)

1.ARMA（p,q）过程的基本定义

2.ARMA（p ,q）过程的平稳性与可逆性

3.ARMA（p,q）过程的均值、方差、自协方差和自相关函数

4.AR与MA模型的相互转化

第三节部分自相关函数(Partial Autocorrelations)

1. 部分自相关函数的定义

第四节自相关性检验

1.Ljung-Box检验和Q统计量

2.自相关函数图

第五节 ARMA模型的实证分析及应用

1.ARMA模型的滞后期设立

2.ARMA模型的回归估计

第六节实例应用：中国CPI通胀率的AR模型

重点和难点：MA模型的特征方程，ARMA模型的平稳性和可逆性条件，Ljung-Box