内容简介
《现代时间序列分析导论(第二版)/经济科学译丛;“十一五”国家重点图书出版规划项目》是一部关于时间序列计量经济学的最新理论,以及在经济学和金融学中的应用的教科书。《现代时间序列分析导论(第二版)/经济科学译丛;“十一五”国家重点图书出版规划项目》英文版第1版由斯普林格出版社出版之后,广受好评, 于2012年出版发行了第2版。第2版中添加了时间序列分析的最新理论。其读者对象为经济学和计量经济学专业的高年级本科生和研究生,以及应用时间序列分析技术的学者。《现代时间序列分析导论(第二版)/经济科学译丛;“十一五”国家重点图书出版规划项目》内容包括:时间序列分析的历史、单变量平稳过程、格兰杰因果检验、向量自回归模型、非平稳过程、协整分析、非平稳面板数据、自回归条件异方差模型,等等。
《现代时间序列分析导论(第二版)/经济科学译丛;“十一五”国家重点图书出版规划项目》在阐述时间序列分析理论的同时,特别重视对实证分析方法的介绍。书中使用了63个实际案例,其中大部分来自真实的数据集,应用EViews 7.2运算得到。所有的原始数据集可在乌沃.哈斯勒(Uwe Hassler )的个人主页上下载。作者多年的教学经验,以及大量的案例分析,使《现代时间序列分析导论(第二版)/经济科学译丛;“十一五”国家重点图书出版规划项目》成为一本阅读性很强的教科书,读者不用阅读其他大量的参考书就能够掌握时间序列分析的基本框架。书中还列出了重要的参考文献。
作者简介
盖哈德.克西盖斯纳(Gebhard Kirchgassner), 1948年出生,1973年于德国康斯坦茨大学(University of Konstanz)取得博士学位,现为瑞士圣加伦(St. Gallen)大学经济系教授。
约根.沃特斯(Jürgen Wolters),1940年出生, 1972年于德国曼海姆大学取得博士学位,1982年起任德国柏林自由大学(Free University of Berlin) 经济系教授。
乌沃.哈斯勒(Uwe Hassler),1963年出生,1993年于德国柏林自由大学取得博士学位,现任德国法兰克福大学(Goethe-University of Frankfurt)经济学教授。
内页插图
目录
第1章 引言及基础知识
1.1 时间序列分析的发展历史
1.2 经济时间序列的图形表示
1.3 滞后算子
1.4 遍历性和平稳性
参考文献
第2章 单变量平稳过程
2.1 自回归过程
2.1.1 一阶自回归过程
2.1.2 二阶自回归过程
2.1.3 高阶自回归过程
2.1.4 偏自相关函数
2.1.5 自回归过程的估计
2.2 移动平均过程
2.2.1 一阶移动平均过程
2.2.2 MA(1)过程与时频归并
2.2.3 高阶移动平均过程
2.3 混合过程
2.3.1 ARMA(1,1)过程
2.3.2 ARMA(p,q)过程
2.4 预测
2.4.1 最小均方误差(minimalmeansquarederrors)预测
2.4.2 ARMA(p,q)过程的预测
2.4.3 预测效果的评价
2.5 计量模型与ARMA过程的关系
参考文献
第3章 格兰杰因果关系
3.1 格兰杰因果性的定义
3.2 双变量模型中因果关系的刻画
3.2.1 因果关系的刻画——-基于自回归和移动平均过程
3.2.2 因果关系的刻画——-基于单变量过程的残差
3.3 因果关系检验
3.3.1 直接格兰杰方法
3.3.2 Haugh-Pierce检验
3.3.3 Hsiao方法
3.4 因果关系检验在多元模型中的应用
3.4.1 直接格兰杰方法在多变量情形下的应用
3.4.2 在多变量模型中解释双变量因果检验的结果
3.5 结束语
参考文献
第4章 向量自回归过程
4.1 VAR系统的表达式
4.2 格兰杰因果性
4.3 脉冲响应分析
4.4 方差分解
4.5 结束语
参考文献
第5章 非平稳过程
5.1 非平稳性的形式
5.2 趋势去除
5.3 单位根检验
5.3.1 Dickey-Fuller检验
5.3.2 增广的Dickey-Fuller检验
5.3.3 Phillips-Perron检验
5.3.4 单位根检验和结构突变
5.3.5 当原假设为平稳时的检验
5.4 时间序列的分解
5.5 进一步的扩展
5.5.1 分整(fractionalintegration)
5.5.2 季节单整
5.6 经济时间序列中的确定性趋势与随机趋势
参考文献
第6章 协整
6.1 协整过程的定义及性质
6.2 单方程模型中的协整:表达式、估计及检验
6.2.1 双变量协整
6.2.2 多变量协整
6.2.3 静态模型中的协整检验
6.2.4 动态模型中的协整检验
6.3 向量自回归模型中的协整
6.3.1 向量误差修正表达式
6.3.2 Johansen方法
6.3.3 向量误差修正模型的分析
6.4 协整与经济理论
参考文献
第7章 非平稳面板数据
7.1 面板模型的几个相关问题
7.1.1 遗漏变量偏差
7.1.2 估计和检验
7.1.3 混合的面板证据(mixedpanelevidence)
7.2 面板单位根检验
7.2.1 第一代检验方法
7.2.2 第二代检验方法
7.2.3 平稳性原假设的检验
7.3 显著性的结合
7.3.1 逆正态方法(inverse normal method)
7.3.2 Bonferroni型检验
7.4 面板协整
7.4.1 单方程方法
7.4.2 系统方法
7.5 结束语
参考文献
第8章 自回归条件异方差
8.1 ARCH模型
8.1.1 定义及表达式
8.1.2 条件矩
8.1.3 时频归并
8.2 广义ARCH模型
8.2.1 GARCH模型
8.2.2 GARCH(1,1)过程
8.2.3 非线性扩展
8.3 估计和检验
8.4 多元模型
8.4.1 VAR型模型
8.4.2 相关模型(correlationmodels)
8.5 金融市场分析中的ARCH/GARCH模型
参考文献
译后记
前言/序言
现代时间序列分析导论(第二版)/经济科学译丛;“十一五”国家重点图书出版规划项目 图书简介 主题: 深入浅出地介绍现代时间序列分析的核心理论、方法与应用,特别关注在经济学、金融学及相关领域中的实际操作与前沿发展。 目标读者: 经济学、金融学、统计学、计量经济学等领域的本科高年级学生、研究生、研究人员以及需要在实践中运用时间序列分析技术的专业人士。 核心内容概述: 本书是继第一版基础上进行全面修订和扩充的第二版,旨在为读者构建一个坚实的时间序列分析理论框架,并提供丰富的实证案例和软件操作指导。全书结构清晰,从基础概念入手,逐步深入到复杂的非线性模型和高维数据处理。 第一部分:基础理论与平稳过程 本书首先聚焦于时间序列分析的基石——平稳性。详细阐述了严谨的随机过程理论,包括白噪声过程、自回归(AR)过程、移动平均(MA)过程以及两者的结合——自回归移动平均(ARMA)模型。 随机过程基础: 严格定义了宽平稳(WSS)和严格平稳(SSS)的概念,并讨论了它们之间的联系。重点分析了协方差函数和谱密度的性质,强调了谱分析在理解时间序列周期性结构中的重要性。 ARMA 模型识别与估计: 系统介绍了如何利用样本自相关函数(ACF)和偏自相关函数(PACF)对数据进行初步识别,继而深入讲解了最大似然估计(MLE)方法在参数估计中的应用。对于模型定阶,详细阐述了赤池信息准则(AIC)和贝叶斯信息准则(BIC)的应用标准。 非平稳性处理(差分与积分): 针对经济和金融数据中常见的趋势和随机游走现象,系统介绍了差分操作,并将其推广到整合过程。详细讨论了单位根检验的经典方法,如增广迪基-福勒(ADF)检验及其局限性,并引入了更稳健的检验方法。 第二部分:动态模型的扩展与应用 在奠定平稳模型基础后,本书将分析的范围扩展到更具挑战性的非平稳和高阶动态系统。 条件异方差性与 ARCH/GARCH 模型: 认识到金融时间序列波动率集中的特征,本书投入大量篇幅介绍波动率建模。从最基础的 ARCH 模型开始,逐步推导出 GARCH(p,q) 模型,并介绍其变体,如 EGARCH(指数GARCH)、GJR-GARCH 等,以更好地刻画金融收益率的非对称波动效应。同时,详细讨论了波动率模型的极大似然估计、残差诊断以及风险价值(VaR)的计算。 向量自回归(VAR)模型: 针对多个相互影响的时间序列系统,VAR 模型是核心工具。本书不仅讲解了静态VAR模型的估计与显著性检验,更侧重于 VAR 模型的动态分析,包括脉冲响应函数(IRF)的计算、方差分解(FEVD)的应用,以及格兰杰因果关系的检验。 协整与误差修正模型(VECM): 针对具有长期均衡关系的非平稳变量,本书全面介绍了协整理论。详细解释了恩格尔-格兰杰(Engle-Granger)两步法和约翰森(Johansen)多变量检验,并将其成功应用于建立长期均衡关系下的短期动态调整机制——误差修正模型(VECM)。 第三部分:现代计量经济学前沿方法 本部分深入探讨了处理复杂、高维或非线性时间序列数据的现代工具,这些工具是当前计量经济学研究的前沿热点。 状态空间模型与卡尔曼滤波: 介绍了状态空间表示法,这是一种强大的工具,可以将复杂的动态模型(如随机波动模型)统一在一个框架下。重点讲解了卡尔曼滤波器的递归估计过程,使其能够处理不可观测的潜在状态变量,广泛应用于宏观经济预测和金融资产定价模型的估计。 非线性时间序列分析: 讨论了超越线性模型的非线性现象,包括状态依赖模型(如隐马尔可夫模型 HMM)和非线性自回归模型(如 TAR 模型)。这部分内容有助于识别经济系统中的结构性变化和转换点。 高维时间序列与维度缩减: 鉴于现代数据维度爆炸的趋势,本书引入了主成分分析(PCA)在时间序列中的应用,以及因子模型(Factor Models)在处理大量宏观经济指标预测中的作用,这是当前宏观计量预测的重要方向。 实践与特色: 强调应用导向: 每介绍完一种模型,均会提供详细的经济学或金融学案例,如利率期限结构、通货膨胀预测、波动率套利模型等。 软件操作指导: 书中包含了使用主流计量软件(如 EViews, R 或 Stata)实现关键分析步骤的示例代码和操作说明,确保读者能够将理论知识迅速转化为实践能力。 严谨的理论推导: 在保证应用性的同时,本书保持了统计学上的严谨性,对关键定理和估计量的渐近性质进行了清晰的推导和论证。 本书的第二版在内容上力求全面、在方法上紧跟前沿,为构建一个全面、深入的时间序列分析知识体系提供了坚实的蓝图。