1、
写给你的金融时间序列分析：基础篇
写给你的金融时间序列分析：初级篇
写给你的金融时间序列分析：进阶篇
写给你的金融时间序列分析：应用篇
2、
金融时间序列分析入门（一）
金融时间序列入门（二）----MA & ARMA & ARIMA
金融时间序列入门（三）--- 季节模型
金融时间序列入门（四）--- ARCH、GARCH）
3、
Python金融时间序列分析系列1
Python金融时间序列分析系列2
Python金融时间序列分析系列3之线性序列
4、
金融时间序列分析：1. 基础知识
金融时间序列分析：2. 数学分析模型
金融时间序列分析：3. First Demo By Python
金融时间序列分析：4. AR自回归模型
金融时间序列分析：5. AR模型实例（Python）
金融时间序列分析：6. AR模型实例
金融时间序列分析：7. MA滑动平均模型
金融时间序列分析：8. MA模型实例（Python）
金融时间序列分析：9. ARMA自回归移动平均模型
5、
北京大学金融数学硕士：金融时间序列分析讲义
如果要写蔡瑞胸这本书的所有内容概览的话，几乎不可能，因为这本书相当于应用类，不如按照章节对应的基础课进行整理。
书里面的代码实现有时候纯用R有点不太对（第三版里仍残留部分S-Plus），建议参照其他时间序列分析与R语言、Python结合的书目即可。
蔡瑞胸教授在其芝加哥大学网站上也upload他教授本课程的资料，不过几乎全是英文，是否需要科学上网不确定，如果真正想掌握可以一看。
Ruey S. Tsay Teaching Page
第1章 金融时间序列及其特征
第2章 线性时间序列分析及其应用
第3章 条件异方差模型
前三章内容在上面均有笔记整理，而且是时间序列分析的金融方面应用。
第4章 非线性模型及其应用
涉及非线性模型、非参数方法、神经网络，给出金融时间序列的非线性分析的几种方法，如果向更深入的话，对于每一个方法寻找给出的文献origin即可
第5章 高频数据分析与市场微观结构
高频数据的分析
第6章 连续时间模型及其应用
期权、B-S公式、Ito随机积分 连续时间序列模型
详见随机过程、数理金融学相关，例如Ross的《随机过程》、业界神书《选择、未来和导数》
第7章 极值理论、分位数估计与风险值
（没学，跳过）
第8章 多元时间序列分析及其应用
（没学，跳过）
第9章 主成分分析和因子模型
因子模型的涉及参见博迪的《投资学》，而比较有趣的是French在个人网站上一直更新因子模型的数据。
Current Research Returns
主成分分析、因子分析详见《应用多元统计分析（第六版）》，这本书讲的比较详细，如果有余力可以学一下多元统计分析这门课，要求会数学推导，而不是上机操作，当然后者属于应用方面的也无可厚非。
第10章 多元波动率模型及其应用
第11章 状态空间模型和卡尔曼滤波
第12章 马尔可夫链蒙特卡罗方法及其应用
个人的相关R代码：
Chapter 2
Chapter 3-1
Chapter 3-2
Chapter 4-1
Chapter 4-2
Chapter 5-1
Chapter 5-2
Chapter 6
Chapter 9-1
Chapter 9-2
网友评论