Эконометрика-2: продвинутый курс с приложениями в финансах - Айвазян С. А., Фантаццини Д.

Скачать бесплатно учебник: Эконометрика-2: продвинутый курс с приложениями в финансах, Айвазян С. А., Фантаццини Д.

Год выпуска: 2014

Автор: Айвазян С.А., Фантаццини Д.

Жанр: Эконометрика

Издательство: Магистр

Формат: PDF

Качество: OCR

Количество страниц: 944

Описание: Продвинутый курс эконометрики охватывает ряд важнейших разделов дисциплины. В частности представлены методы и модели анализа многомерных временных рядов, последние достижения в области финансовой эконометрики (копула-функции, методы управления финансовыми рисками).
Для решения задач используется экономический инструментарий, включающий относительно недавно разработанные современные методы анализа многомерных временных рядов, байесовский подход в сочетании с приемами имитационного статистического моделирования, продвинутые численные методы оптимизации. Вычислительная реализация описываемых в учебнике примеров основана на использовании статистических и эконометрических пакетов R, Stata, Eviews, GAUSS.
Для студентов и аспирантов экономической и математической специализации, интересующихся продвинутыми эконометрическими методами и их приложениями в финансах, а также сотрудников аналитических служб банков и инвестиционных компаний.

В предисловии к «Методам эконометрики» [Айвазян (2010)] я говорил о том, что они «охватывают весьма полный спектр методов математико-статистического инструментария эконометрики по ее традиционным разделам», включая: (1) классическую линейную модель регрессии и классический метод наименьших квадратов; (2) обобщенную линейную модель регрессии и обобщенный метод наименьших квадратов; (3) линейные модели регрессии с переменной структурой; (4) модели с дискретными и дискретно-непрерывными зависимыми переменными (модель бинарного и множественного выбора, тобит-модели); (5) статистический анализ одномерных временных рядов. Но уже в той книге я пытался преодолеть распространенный недостаток, заключающийся в том, что «важнейшие для эконометрического анализа прикладные методы многомерной статистики (дискриминантный и кластер-анализы, метод главных компонент и др.) по непонятным причинам отсутствуют в эконометрических курсах и классических университетских учебниках Северной Америки и Западной Европы» ([Айвазян (2010), с. 10]). Правда, в том же предисловии признавалось, что в «Методах эконометрики» 2010 г. «представлены далеко не все важнейшие разделы современной эконометрики... Нет, например, методов и моделей анализа многомерных временных рядов... не отражены последние достижения в области финансовой эконометрики (копула-функции, методы управления финансовыми рисками), не представлены байесовский подход к эконометрическому анализу и методы измерения и анализа синтетических латентных категорий, комплексно характеризующих качество или эффективность функционирования анализируемой системы» (с. 11). И я пообещал тогда, что «вся эта проблематика будет представлена в продвинутом курсе эконометрики (предназначенном для магистерского уровня образования)».
Но, должен признаться, было непросто решиться на создание такого учебника. Причин тому несколько.
Во-первых, он охватывает области знаний, с одной стороны, еще фактически не представленные в отечественной учебной и монографической литературе (здесь я, в первую очередь, имею в виду эконометрический анализ моделей волатильности, копула-функций, разного рода задачи управления финансовыми рисками), а с другой — еще не устоявшиеся, продолжающие бурно развиваться, а потому содержащие подчас «сырые», полуэвристические подходы и рекомендации.
Во-вторых, представленные в данном учебнике содержательные постановки задач (построение интегральных измерителей для так называемых синтетических латентных категорий, проблемы спецификации анализируемых зависимостей, разноаспектный анализ и моделирование операционных, рыночных и кредитных финансовых рисков) требуют при своем решении использования необъятного по диапазону эконометрического инструментария, включающего, в частности, относительно недавно разработанные современные методы анализа многомерных временных рядов, байесовский подход в сочетании с приемами имитационного статистического моделирования, продвинутые численные методы оптимизации. Уместить весь этот инструментарий в рамках одной, пусть даже такой как эта объемной книги, задача невыполнимая, а потому в некоторых местах учебника (в основном, относящихся к главе 7, посвященной задачам управления финансовыми рисками) нам приходилось переходить к обзорному стилю изложения, предлагая читателю находить уточнение и углубление деталей описываемых методов в работах других авторов.
В-третьих, существенное осложнение процесса создания книги было связано с «разноязычием» авторов. Главы 5, 6, 7 и часть главы 4 были написаны моим коллегой по Московской школе экономики МГУ им. М.В. Ломоносова Деаном Фантаццини на английском языке, они требовали перевода, тщательного редактирования, унификации стиля подачи материала. Большую помощь в переводе англоязычной части книги оказал Александр Владимирович Кудров. В переводе участвовал и я, мне же пришлось осуществить общее научное редактирование текста учебника.
Что же подтолкнуло авторов к выполнению столь объемной работы по созданию предлагаемого Вашему вниманию учебника?
В первую очередь, это твердое осознание того факта, что назрела объективная необходимость в подобном учебно-научно-методологическом издании. Дело в том, что мировые финансовые кризисы 1998 и 2008 гг., продолжающиеся явления экономической рецессии продемонстрировали общее неблагополучие в сфере управления финансовыми рисками. По-видимому, в определенной мере этим можно объяснить и тот прорыв в финансовой эконометрике и связанных с ней разделах многомерного статистического анализа, который мы наблюдаем в последние полтора-два десятилетия. И, конечно, требуются определенные усилия, направленные на оснащение обучающейся молодежи и сотрудников аналитических служб банков, инвестиционных компаний последними научно-методологическими достижениями в этой области. Можно признать, что в плане освоения теоретической базы (методов и моделей финансовой математики) такие усилия в отечественной научно-образовательной практике уже предприняты (см. работы А.Н. Ширяева, например, [Ширяев (2004)], и его учеников). Наша книга, насколько мне известно, является «первой ласточкой» в области знаний, посвященных «приземлению» этой теоретической базы на конкретные условия и конкретные исходные данные, что и составляет главное предназначение методов эконометрики. Отмечу также, что в книгу включены некоторые оригинальные научно-методологические разработки авторов (это относится, в основном, к главам 2 и 7).
Итак, наша книга адресована студентам и аспирантам экономической и математической специализации, интересующимся продвинутыми эконометрическими методами и их приложениями в финансах, а также сотрудникам аналитических служб банков и инвестиционных компаний.
Представленные в книге методы и модели могут составить содержание одного или нескольких (в зависимости от отведенного в учебном плане вуза времени) семестровых курсов магистерского или аспирантского уровня по схеме — 2 часа лекций, 2 часа семинарских занятий. Вычислительная реализация описываемых в учебнике примеров основана на использовании статистических и эконометрических пакетов R, Stata, Eviews, GAUSS.
В заключение — о признательности авторов учебника. Прежде всего они благодарны коллективам и администрации Московской школы экономики Московского государственного университета им. М.В. Ломоносова и Центрального экономико-математического института Российской академии наук, плодотворная профессиональная среда которых существенно помогала в работе над учебником. Мы благодарны также профессору Эдуардо Росси (Eduardo Rossi) из Университета Павии, (Италия) и профессору Станиславу Анатольеву (Российская экономическая школа) за любезное представление материалов по одномерным GARCH-моделям, которые были использованы при написании главы, посвященной анализу волатильности. Свое любезное согласие на использование материалов по структурным VAR-моделям мы получили также от профессора Эрика Зиво (Eric Zivot) из Университета Вашингтона, США), за что мы ему также благодарны. Наконец, мы благодарны Алле Павловне и Галине Юрьевне Грохотовым за их нелегкий, самоотверженный и профессиональный труд по подготовке оригинал-макета книги.
Я отдаю себе отчет в том, что объемность и пионерный характер предлагаемого издания являются «питательной средой» для выявления его слабых мест и недостатков. Всю ответственность за них, конечно, несут авторы, которые будут признательны читателям, приславшим им или в издательство свои отзывы и критические замечания.


Содержание учебника

«Эконометрика-2: продвинутый курс с приложениями в финансах»

Выбор общего вида модели и нелинейная регрессия

  1. О подходах к выбору общего вида модели
  2. Нелинейные модели регрессии и линеаризация
  3. Вычислительные вопросы нелинейного метода наименьших квадратов

Построение интегральных измерителей для синтетических латентных категорий

  1. Концептуальные основы подхода к измерению синтетических латентных категорий
  2. Исходные данные
  3. Методология построения интегральных индикаторов — измерителей синтетических латентных категорий и методы многокритериального рейтингования
  4. Примеры построения интегральных индикаторов — измерителей качества анализируемых синтетических латентных категорий

Байесовский подход в эконометрическом анализе

  1. Философия и общая логическая схема байесовского подхода
  2. Априорные распределения, сопряженные с наблюдаемой генеральной совокупностью (определение и условие существования)
  3. Генезис априорных сопряженных распределений
  4. Пересчет значений параметров при переходе от априорного сопряженного распределения к апостериорному
  5. Примеры задач на точечное и интервальное байесовское оценивание параметров модели
  6. Байесовский прогноз зависимой переменной, основанный на нормальной классической линейной модели множественной регрессии

Анализ многомерных временных рядов

  1. Многомерные временные ряды: определения и основные понятия
  2. Модели векторной авторегрессии (VAR-модели)
  3. Структурные VAR-модели (SVAR-модели)
  4. Системы одновременных уравнений (СОУ)
  5. Коинтеграция
  6. Регрессионные модели с распределенными лагами

Анализ и моделирование волатильности

  1. Одномерные модели авторегрессионной условной гетероскедастичности (ARCH- и GARCH-модели)
  2. Многомерные GARCH-модели (MGARCH)
  3. Реализованная волатильность

Моделирование многомерных распределений с использованием копула-функций

  1. Копула-функций
  2. Эллиптические копула-функций
  3. Архимедовы копула-функций
  4. Парные копула-функций
  5. Меры зависимости
  6. Процедуры оценивания: параметрические методы
  7. Процедуры оценивания: полупараметрические и непараметрические методы
  8. Выбор копула-функций
  9. Критерии согласия для копула-функций

Анализ финансовых данных в задачах управления риском

  1. Введение: имеющийся опыт и некоторые общие понятия
  2. Управление рыночным риском
  3. Управление операционным риском
  4. Управление кредитным риском

Приложение 1. Исходные данные и результаты межстранового и межрегионального анализа КЖН
Приложение 2. Некоторые сведения об одномерных и многомерных законах распределения вероятностей, используемые в байесовском подходе

Литература


скачать учебник: Эконометрика-2: продвинутый курс с приложениями в финансах - Айвазян С. А., Фантаццини Д.


Комментарии (0)add comment

Написать комментарий
меньше | больше

busy