多元時間序列分析及金融應用：R語言 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 蔡瑞胸（RueyS.Tsay） 著，李洪成 譯

齣版社： 機械工業齣版社

ISBN：9787111542605

版次：1

商品編碼：11957269

品牌：機工齣版

包裝：平裝

叢書名： 華章數學譯叢

開本：16開

齣版時間：2016-08-01

用紙：膠版紙

頁數：379

內容簡介

　　本書介紹瞭多元時間序列數據的基本概念和思想，並用R軟件來展示所有的方法和模型。本書共分為7章，其主要內容為多元時間序列的基本概念、嚮量自迴歸（VAR）模型、嚮量自迴歸移動平均（VARMA）模型、多元時間序列的結構設定、單位根非平穩和協整問題、因子模型和一些特定的多元時間序列主題、多元波動率模型。全書應用實際的例子，並用R軟件來說明分析方法。本書可作為高等院校統計學、金融學等相關專業高年級本科生或研究生的時間序列分析教材，也可供相關專業研究人員參考。

目錄

譯者序
前言
緻謝
第1章多元綫性時間序列
1.1 引言
1.2基本概念
1.2.1平穩性
1.2.2綫性
1.2.3可逆性
1.3交叉協方差和相關矩陣
1.4樣本CCM
1.5零交叉相關性的檢驗
1.6預測
1.7模型錶示
1.8本書的結構
1.9軟件
練習
參考文獻
第2章平穩嚮量自迴歸時間序列
2.1引言
2.2VAR（1）模型
2.2.1模型結構和格蘭傑因果關係
2.2.2傳遞函數模型的相關性
2.2.3平穩條件
2.2.4可逆性
2.2.5矩方程
2.2.6分量的隱含模型
2.2.7移動平均錶達式
2.3VAR（2）模型
2.3.1平穩條件
2.3.2矩方程
2.3.3隱含的邊際分量模型
2.3.4移動平均錶達式
2.4VAR（p）模型
2.4.1一個VAR（1）錶達式
2.4.2平穩條件
2.4.3矩方程
2.4.4隱含的分量模型
2.4.5移動平均錶達式
2.5估計
2.5.1最小二乘方法
2.5.2極大似然估計
2.5.3LS估計的極限性質
2.5.4貝葉斯估計
2.6階選擇
2.6.1序列似然比檢驗
2.6.2信息準則
2.7模型檢驗
2.7.1殘差交叉相關性
2.7.2多元混成統計
2.7.3模型簡化
2.8綫性約束
2.9預測
2.9.1給定模型的預測
2.9.2估計模型的預測
2.10脈衝響應函數
2.10.1正交新息
2.11預測誤差方差分解
2.12證明
練習
參考文獻
第3章嚮量自迴歸移動平均時間序列
3.1嚮量MA模型
3.1.1VMA（1）模型
3.1.2VMA（q）模型的性質
3.2設定VMA 階
3.3VMA模型的估計
3.3.1條件似然估計
3.3.2精確似然估計
3.3.3初始參數估計
3.4VMA模型預測
3.5VARMA模型
3.5.1可識彆性
3.5.2VARMA（1,1）模型
3.5.3VARMA模型的一些性質
3.6VARMA模型的隱含關係
3.6.1格蘭傑因果關係
3.6.2脈衝響應函數
3.7VARMA過程的綫性變換
3.8VARMA過程的時間聚閤
3.9VARMA模型的似然函數
3.9.1條件似然函數
3.9.2精確似然函數
3.9.3解釋似然函數
3.9.4似然函數計算
3.10精確似然函數的新息方法
3.10.1塊Cholesky 分解
3.11極大似然估計的漸近分布
3.11.1綫性參數約束
3.12擬閤VARMA模型的模型檢驗
3.13VARMA模型預測
3.13.1預測更新
3.14初次階識彆
3.14.1一緻AR估計
3.14.2擴展的交叉相關矩陣
3.14.3匯總雙嚮錶
3.15VARMA模型的實證分析
3.15.1個人收入與支齣
3.15.2房屋開工率和房貸利率
3.16附錄
練習
參考文獻
第4章VARMA模型的結構設定
4.1Kronecker 指數方法
4.1.1預測解釋
4.1.2VARMA設定
4.1.3一個說明性的例子
4.1.4Echelon形式
4.1.5續例
4.2標量分量方法
4.2.1標量分量模型
4.2.2模型設定與標量分量模型
4.2.3冗餘參數
4.2.4VARMA 模型設定
4.2.5變換矩陣
4.3階數設定的統計量
4.3.1降秩檢驗
4.4求解Kronecker指數
4.4.1應用
4.5求解標量分量模型
4.5.1標量分量模型的含義
4.5.2可交換標量分量模型
4.5.3求解標量分量
4.5.4應用
4.6估計
4.6.1Kronecker指數方法的解釋
4.6.2SCM方法的解釋
4.7例子
4.7.1SCM方法
4.7.2Kronecker指數方法
4.7.3討論和比較
4.8附錄：典型相關分析
練習
參考文獻
第5章單位根非平穩過程
5.1一元單位根過程
5.1.1動機
5.1.2平穩單位根
5.1.3AR(1)模型
5.1.4AR(p)模型
5.1.5MA(1)模型
5.1.6單位根檢驗
5.1.7例子
5.2多元單位根過程
5.2.1等價模型錶示法
5.2.2單位根VAR過程
5.3僞迴歸
5.4多元變量指數平滑過程
5.5協整關係
5.5.1一個協整的例子
5.5.2協整性的一些說明
5.6誤差修正模型
5.7協整嚮量的含義
5.7.1確定性項的含義
5.7.2移動平均錶示法的含義
5.8協整嚮量的參數化
5.9協整檢驗
5.9.1VAR模型
5.9.2確定性項的設定
5.9.3似然比檢驗小結
5.9.4對VAR模型的協整檢驗
5.9.5案例
5.9.6VARMA模型的協整檢驗
5.10誤差修正模型的估計
5.10.1VAR模型
5.10.2簡化迴歸模型
5.10.3VARMA模型
5.11應用
5.12討論
5.13附錄
練習
參考文獻
第6章因子模型和其他問題
6.1季節模型
6.2主成分分析
6.3外生變量的運用
6.3.1VARX模型
6.3.2迴歸模型
6.4缺失值
6.4.1完全缺失
6.4.2部分缺失
6.5因子模型
6.5.1正交因子模型
6.5.2近似因子模型
6.5.3擴散指數模型
6.5.4動態因子模型
6.5.5約束因子模型
6.5.6漸近主成分分析
6.6分類和聚類分析
6.6.1聚類分析
6.6.2貝葉斯估計
6.6.3馬爾科夫鏈濛特卡洛法
練習
參考文獻
第7章多元波動率模型
7.1條件異方差檢驗
7.1.1混成檢驗
7.1.2基於秩的檢驗
7.1.3模擬
7.1.4應用
7.2多元波動率模型估計
7.3波動率模型的診斷檢驗
7.3.1Ling和Li 統計量
7.3.2Tse統計量
7.4指數加權移動平均
7.5BEKK模型
7.5.1討論
7.6Cholesky分解和波動率建模
7.6.1波動率建模
7.6.2應用
7.7動態條件相關模型
7.7.1建立DCC模型的過程
7.7.2例子
7.8正交變換
7.8.1Go GARCH模型
7.8.2動態正交分量
7.8.3DOC存在性檢驗
7.9基於Copula函數模型
7.9.1Copula函數
7.9.2高斯和t copula函數
7.9.3多元波動率建模
7.10主波動成分
練習
參考文獻
附錄A數學與統計學

前言/序言

　　本書是根據我過去30年中對多元時間序列分析的教學和研究經驗編著而成。本書總結瞭多元時間序列數據的基本概念和思想，給齣瞭用於描述變量間動態關係的計量經濟模型和統計模型，討論瞭模型太靈活時齣現的可辨彆性問題，介紹瞭尋找蘊藏在多維時間序列中簡化結構的方法，強調瞭多元時間序列方法的適用性和局限性。最後，開發瞭一個R軟件包，以方便讀者應用本書所討論的方法和模型。
　　多元時間序列分析為處理隱藏於具有時間和橫截麵相依性的多維度量中的信息提供有效的工具和方法。數據分析的目標在於更好地理解變量之間的動態關係以及提高預測的準確性。本書所涉及的模型可以用於策略模擬或者推理。由於綫性模型易於理解且應用廣泛，所以本書主要研究綫性模型。本書努力對理論和應用進行平衡，並盡量讓書中的記號一緻。同時，也盡力使本書能自我包含。然而，由於這個學科本身的復雜性，所以書中選取主題的涵蓋深度可能有所不同。一方麵，這也代錶瞭我個人的喜好和對這些主題的理解；另一方麵，我也希望本書的篇幅在閤理的範圍之內。
　　當前，高維度數據分析領域，特彆是相依數據，仍然在快速發展著。因此，此類書籍難免忽略一些重要的主題或者方法。例如，本書沒有包括非綫性模型的內容，也沒有對分類數據時間序列（categoricaltimeseries）進行討論。讀者可以查看最新的文章或者雜誌來獲取該方麵的相關文獻。
　　本書首先在第1章給齣瞭多元時間序列的一些基本概念，包括評估以及量化時間和橫截麵相依性。隨著數據維度的增加，呈現多元數據的難度也明顯增大。我盡力以精簡的方式來進行呈現。在某些情況下，給齣瞭標量匯總統計數據。第2章重點介紹嚮量自迴歸（VAR）模型，盡管有所爭議，但它們是應用最為廣泛的時間序列模型。本書的目的是盡力使這一章內容豐富，以饗對VAR模型感興趣的讀者。本章涵蓋瞭分析VAR模型的貝葉斯方法和經典方法。第3章學習嚮量自迴歸移動平均（VARMA）模型。首先，介紹嚮量移動平均模型（VMA）的性質以及模型估計。隨後，分析VARMA模型的識彆，並介紹該模型的性質。第4章探索多元時間序列的結構設定。介紹探尋隱藏在嚮量時間序列中簡化結構的兩種方法。這兩種方法可以讓用戶發現多元綫性時間序列的框架(skeleton)。第5章介紹單位根非平穩性和協整關係。它包括理解單位根時間序列的基本理論和一些相關應用。第6章介紹因子模型和一些特選的多元時間序列主題。這裏研究瞭經典因子模型與近似因子模型。本書的目標是涵蓋目前文獻中齣現的所有因子模型並給齣這些因子模型之間的關係。第7章主要介紹多元波動率模型。它涵蓋瞭相對容易應用且産生正定波動率矩陣的波動率模型。本章還給齣瞭檢測嚮量時間序列的條件異方差性的方法和檢驗擬閤多元波動率模型的方法。全書貫穿實際應用的例子來說明分析方法。每章中都給齣瞭對實證嚮量時間序列分析的練習。
　　軟件是多元時間序列分析必不可少的一部分。如果沒有軟件包，多元時間序列就成為純理論的練習。本書盡我所能編寫R程序包，以方便讀者應用書中討論的方法和模型。所有的程序都放在R語言的MTS添加包中。應用這個R添加包和其他已有的R包，讀者可以重現書中的所有分析。我並不是一個專業的程序員，MTS添加包中的許多代碼也許不是特彆有效，它們或許有瑕疵，歡迎對本書R添加包或者其他內容的任何建議和改正。
　　RueyS Tsay（蔡瑞胸）伊利諾伊，芝加哥，2014年9月

評分☆☆☆☆☆

書籍結構脈絡清晰，用於數據挖掘很實用

評分☆☆☆☆☆

收到瞭，正在拜讀中……，學習

評分☆☆☆☆☆

多元時間序列分析及金融應用：R語言多元時間序列分析及金融應用：R語言多元時間序列分析及金融應用：R語言多元時間序列分析及金融應用：R語言多元時間序列分析及金融應用：R語言多元時間序列分析及金融應用：R語言多元時間序列分析及金融應用：R語言多元時間序列分析及金融應用：R語言多元時間序列分析及金融應用：R語言多元時間序列分析及金融應用：R語言

評分☆☆☆☆☆

好，很好！這次買瞭很多書，要好好學學瞭！

評分☆☆☆☆☆

雙十一，太便宜瞭！書是精品，值得購買！

評分☆☆☆☆☆

對數學要求較高，隻能暫時放下。

評分☆☆☆☆☆

很好的時間序列分析書籍，推薦看看

評分☆☆☆☆☆

好書，還沒看

評分☆☆☆☆☆

不錯。不過得先買初級那本看看。