《贝叶斯金融随机波动模型及应用》共分为八章，结构体系如下：第一章，绪论；第二章，金融时变模型建模方法概述；第三章，标准随机波动模型的MCMC算法；第四章，随机波动扩展模型的MCMC抽样算法及应用；第五章，基于序贯蒙特卡洛方法的标准SV模型识别；第六章，基于序贯蒙特卡洛方法的参数学习；第七章，变结构随机波动模型的SMC算法及应用；第八章，结论与展望。本书由郝立亚和朱慧明合作完成。

《贝叶斯金融随机波动模型及应用》系统研究了基于蒙特卡洛方法的贝叶斯随机波动模型的建模理论及其在金融经济领域中的应用。全书分为两大部分：第一部分主要研究基于马尔科夫链蒙特卡洛估计的随机波动模型及其扩展形式的建模与应用问题，着重比较了SV模型的各种MCMC抽样算法的有效性，给出了长记忆SV模型有限阶状态空间近似，并设计了高效的多步McMc抽样算法。在模型应用领域，分别利用随机波动模型研究了我国通货膨胀水平与不确定性的动态关系和企业债券的信用溢价问题，为金融风险管理和经济政策制定提供了有益的理论参考。第二部分主要研究了序贯蒙特卡洛估计方法的SV模型及其扩展形式的建模与应用问题，包括序贯蒙特卡洛方法下的状态识别和参数学习过程，变结构随机波动模型的序贯蒙特卡洛算法及应用。

本书可以作为金融计量、统计学和管理科学与工程等相关学科专业的高年级本科生或研究生教材，也可作为高校教师、研究人员和风险管理从业者的参考书。本书由郝立亚和朱慧明合作完成。

第一章 绪论

 一、金融市场波动理论

 二、研究思路与意义

 三、相关研究综述

 四、研究内容概述

第二章 金融时变模型建模方法概述

 一、ARCH模型及其扩展形式

 二、SV模型及其扩展形式

第三章 标准随机波动模型的MCMC算法

 一、标准SV模型及其统计性质

 二、SV模型的参数估计方法

 三、标准SV模型的MCMC估计算法

 四、本章小结

第四章 随机波动扩展模型的MCMC抽样算法及应用

 一、长记忆随机波动模型的贝叶斯推断分析

 二、贝叶斯波动均值SV模型的建模与实证分析

 三、贝叶斯多因子SV模型的建模与实证分析

 四、贝叶斯MSSV模型的建模与实证分析

 五、本章小结

第五章 基于序贯蒙特卡洛方法的标准SV模型识别

 一、状态空间下的随机波动模型

 二、序贯蒙特卡洛估计方法

 三、仿真分析

 四、本章小结

第六章 基于序贯蒙特卡洛方法的参数学习

 一、人工噪声过程下的参数学习

 二、序贯贝叶斯滤波参数学习算法

 三、仿真分析

 四、本章小结

第七章 变结构随机波动模型的SMC算法及应用

 一、变结构随机波动模型的建模思路

 二、基于辅助粒子滤波算法的MSSV模型估计与应用

 三、基于序贯贝叶斯滤波算法的杠杆效应MSSV模型估计与应用

 四、本章小结

第八章 结论与展望

 一、本书的主要研究结论与创新

 二、研究展望

参考文献