量化投资的研究工具有多种，包含技术分析、策略模型和数据工具等，目前市场上主要的研究工具为机器学习和时间序列，本书的研究是以时间序列为基础。本书主要内容涵盖了线性金融时间序列模型、资产波动率及其模型、高频金融时间序列、多元时间序列分析、金融资产定价分析等。本书结构合理，条理清晰，内容丰富新颖，可供从事金融领域的相关人员参考使用。

前言
第1章 时间序列简介
1.1 引言
1.2 时间序列的定义
1.3 时间序列的分析方法
1.4 金融时间序列数据的特征
1.5 金融时间序列（收益率）的分布性质
1.6 金融时间序列绘图
第2章 线性金融时间序列模型
2.1 时间序列的预处理
2.2 ARMA模型的性质
2.3 平稳序列ARMA建模
2.4 非平稳时间序列
2.5 ARIMA模型的实证建模分析
2.6 基于长记忆模型的原油收益率研究
第3章 资产波动率及其模型
3.1 波动率建模
3.2 ARCH模型与GARCH模型
3.3 基于A股市场数据的GARCH（1，1）模型有效性分析
3.4 基于Egarch模型的我国股票市场杠杆效应研究
3.5 基于GARCH—M模型的外汇市场风险与收益之间的关系分析
3.6 基于GARCH（1，1）模型的最小方差投资组合
第4章 高频金融时间序列
4.1 高频数据的特征
4.2 持续期模型
4.3 持续期模型在金融市场中的应用
4.4 已实现波动率模型
4.5 已实现波动率模型在证券市场中的分析应用
第5章 多元时间序列分析
5.1 弱平稳与交叉一相关矩阵
5.2 向量自回归模型
5.3 上证市场和深证市场联动关系研究
5.4 协整模型
5.5 沪深300股指期货与现货的协整关系研究
5.6 基于配对交易的统计套利研究
第6章 金融资产定价分析
6.1 资本资产定价模型及其应用
6.2 多因子模型
附录：平稳性检验和纯随机性检验
参考文献