本书介绍了多元时间序列数据的基本概念和思想,并用R软件来展示所有的方法和模型。本书共分为7章,其主要内容为多元时间序列的基本概念、向量自回归(VAR)模型、向量自回归移动平均(VARMA)模型、多元时间序列的结构设定、单位根非平稳和协整问题、因子模型和一些特定的多元时间序列主题、多元波动率模型。全书应用实际的例子,并用R软件来说明分析方法。本书可作为高等院校统计学、金融学等相关专业高年级本科生或研究生的时间序列分析教材,也可供相关专业研究人员参考。
译者序
前言
致谢
第1章多元线性时间序列
1.1 引言
1.2基本概念
1.2.1平稳性
1.2.2线性
1.2.3可逆性
1.3交叉协方差和相关矩阵
1.4样本CCM
1.5零交叉相关性的检验
1.6预测
1.7模型表示
1.8本书的结构
1.9软件
练习
参考文献
第2章平稳向量自回归时间序列
2.1引言
2.2VAR(1)模型
2.2.1模型结构和格兰杰因果关系
2.2.2传递函数模型的相关性
2.2.3平稳条件
2.2.4可逆性
2.2.5矩方程
2.2.6分量的隐含模型
2.2.7移动平均表达式
2.3VAR(2)模型
2.3.1平稳条件
2.3.2矩方程
2.3.3隐含的边际分量模型
2.3.4移动平均表达式
2.4VAR(p)模型
2.4.1一个VAR(1)表达式
2.4.2平稳条件
2.4.3矩方程
2.4.4隐含的分量模型
2.4.5移动平均表达式
2.5估计
2.5.1最小二乘方法
2.5.2极大似然估计
2.5.3LS估计的极限性质
2.5.4贝叶斯估计
2.6阶选择
2.6.1序列似然比检验
2.6.2信息准则
2.7模型检验
2.7.1残差交叉相关性
2.7.2多元混成统计
2.7.3模型简化
2.8线性约束
2.9预测
2.9.1给定模型的预测
2.9.2估计模型的预测
2.10脉冲响应函数
2.10.1正交新息
2.11预测误差方差分解
2.12证明
练习
参考文献
第3章向量自回归移动平均时间序列
3.1向量MA模型
3.1.1VMA(1)模型
3.1.2VMA(q)模型的性质
3.2设定VMA 阶
3.3VMA模型的估计
3.3.1条件似然估计
3.3.2精确似然估计
3.3.3初始参数估计
3.4VMA模型预测
3.5VARMA模型
3.5.1可识别性
3.5.2VARMA(1,1)模型
3.5.3VARMA模型的一些性质
3.6VARMA模型的隐含关系
3.6.1格兰杰因果关系
3.6.2脉冲响应函数
3.7VARMA过程的线性变换
3.8VARMA过程的时间聚合
3.9VARMA模型的似然函数
3.9.1条件似然函数
3.9.2精确似然函数
3.9.3解释似然函数
3.9.4似然函数计算
3.10精确似然函数的新息方法
3.10.1块Cholesky 分解
3.11极大似然估计的渐近分布
3.11.1线性参数约束
3.12拟合VARMA模型的模型检验
3.13VARMA模型预测
3.13.1预测更新
3.14初次阶识别
3.14.1一致AR估计
3.14.2扩展的交叉相关矩阵
3.14.3汇总双向表
3.15VARMA模型的实证分析
3.15.1个人收入与支出
3.15.2房屋开工率和房贷利率
3.16附录
练习
参考文献
第4章VARMA模型的结构设定
4.1Kronecker 指数方法
4.1.1预测解释
4.1.2VARMA设定
4.1.3一个说明性的例子
4.1.4Echelon形式
4.1.5续例
4.2标量分量方法
4.2.1标量分量模型
4.2.2模型设定与标量分量模型
4.2.3冗余参数
4.2.4VARMA 模型设定
4.2.5变换矩阵
4.3阶数设定的统计量
4.3.1降秩检验
4.4求解Kronecker指数
4.4.1应用
4.5求解标量分量模型
4.5.1标量分量模型的含义
4.5.2可交换标量分量模型
4.5.3求解标量分量
4.5.4应用
4.6估计
4.6.1Kronecker指数方法的解释
4.6.2SCM方法的解释
4.7例子
4.7.1SCM方法
4.7.2Kronecker指数方法
4.7.3讨论和比较
4.8附录:典型相关分析
练习
参考文献
第5章单位根非平稳过程
5.1一元单位根过程
5.1.1动机
5.1.2平稳单位根
5.1.3AR(1)模型
5.1.4AR(p)模型
5.1.5MA(1)模型
5.1.6单位根检验
5.1.7例子
5.2多元单位根过程
5.2.1等价模型表示法
5.2.2单位根VAR过程
5.3伪回归
5.4多元变量指数平滑过程
5.5协整关系
5.5.1一个协整的例子
5.5.2协整性的一些说明
5.6误差修正模型
5.7协整向量的含义
5.7.1确定性项的含义
5.7.2移动平均表示法的含义
5.8协整向量的参数化
5.9协整检验
5.9.1VAR模型
5.9.2确定性项的设定
5.9.3似然比检验小结
5.9.4对VAR模型的协整检验
5.9.5案例
5.9.6VARMA模型的协整检验
5.10误差修正模型的估计
5.10.1VAR模型
5.10.2简化回归模型
5.10.3VARMA模型
5.11应用
5.12讨论
5.13附录
练习
参考文献
第6章因子模型和其他问题
6.1季节模型
6.2主成分分析
6.3外生变量的运用
6.3.1VARX模型
6.3.2回归模型
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扩散指数模型
6.5.4动态因子模型
6.5.5约束因子模型
6.5.6渐近主成分分析
6.6分类和聚类分析
6.6.1聚类分析
6.6.2贝叶斯估计
6.6.3马尔科夫链蒙特卡洛法
练习
参考文献
第7章多元波动率模型
7.1条件异方差检验
7.1.1混成检验
7.1.2基于秩的检验
7.1.3模拟
7.1.4应用
7.2多元波动率模型估计
7.3波动率模型的诊断检验
7.3.1Ling和Li 统计量
7.3.2Tse统计量
7.4指数加权移动平均
7.5BEKK模型
7.5.1讨论
7.6Cholesky分解和波动率建模
7.6.1波动率建模
7.6.2应用
7.7动态条件相关模型
7.7.1建立DCC模型的过程
7.7.2例子
7.8正交变换
7.8.1Go GARCH模型
7.8.2动态正交分量
7.8.3DOC存在性检验
7.9基于Copula函数模型
7.9.1Copula函数
7.9.2高斯和t copula函数
7.9.3多元波动率建模
7.10主波动成分
练习
参考文献
附录A数学与统计学
《速度与规模:碳中和的OKR行动指南》内容简介:2006年,在一次至关重要的晚餐讨论中,当约翰·杜尔15岁的女儿向他提出解决气候危机
《大客户营销》内容简介:本书通过定位(锁定大客户)、拓客(开发大客户)、邀约(提升见面的成功率)、破冰(获取客户信任)、痛
《隐性动机》内容简介:近400年前,伽利略进行了人类历史上第一个有文字记载的科学实验,此后,实验成为科学研究的基石。著名物理学
《吃茶去!》内容简介:闲情雅致、风俗人情、体悟生活、闲情逸致,诸如此类和茶有所关联的词汇琳琅满目,其实,这些完全可以一言以
印度是一个极端多样化的国家,拥有众多不同的追求,大相径庭的信仰,判然有异的风俗和异彩纷呈的观点。《惯于争鸣的印度人》是诺
《周文王的易经》内容简介:《易经》比较全面地记载了周国与商朝斗争的低迷时期周文王作为周国统帅的所思所想。这是一部特定历史时
《法治》内容简介:本书将“法治”放在具有两千多年历史的儒法结合的法思想和近代以来的法治思想这两个传统中进行考察,思考中国法
二战结束五十年来,有关日本的著作,热衷于"现代化"或"现代主义"这一主题,详述并论证着日本如何日新月异、一日千里,赶上并迅速
《跟着半泽直树说厉害职场日语》内容简介:基本的日语会话没问题,但进入职场后,却出现日语沟通障碍? 让当红日剧男主角半泽直树,
《中国画技法综合基础教程》内容简介:本书通过六章内容,循序渐进地介绍了中国写意花鸟画的相关技法。第一章介绍了国画基础知识,
水族-水各村调查 内容简介 本书通过采用实地观察,问卷调查,个人访谈等形式,对贵州省三都水族自治县九阡镇水各村村民的政治,经济,社会,文化等各方面进行相应的展现...
荞麦产业技术与发展 本书特色 刘光德主编的《荞麦产业技术与发展(精)》总共分为十章,本着具参考性和实用性的原则,编者通过搜集大量的资料,首先对荞麦历史与文化、荞...
经济学-(全二册)-(第十九版) 本书特色 宏观经济学方面,我们强调两大核心方法:一方面从凯恩斯经济学出发去理解经济周期,另一方面则从新古典经济学的增长模...
《新闻英语阅读与翻译》内容简介:《新闻英语阅读与翻译》包括新闻英语阅读与翻译两部分内容。Units1-7讲阅读,按照新闻简讯、新闻
作品目录第一篇 投资之路少有人走得通的路弄清楚自己想要什么要有开放的心态镜中花、水中月与无为而治不是风动,不是幡动,仁者
《生活的艺术家》内容简介:一直以来,李小龙都以一个功夫高手的形象闻名于世。但本书却告诉读者,李小龙绝不仅仅是一介武夫,他还
《3D打印一本通》内容简介:本书先介绍了3D打印的原理和市场前景,然后详细介绍了3D打印在各领域的应用,使之符合不同专业人员的阅
《大型交通枢纽突发事件应急管理研究》内容简介:本书以大型交通枢纽为例,分析大型交通枢纽突发事件应急管理组织体系和运行机制,
《第五项修炼①》内容简介:《第五项修炼》被《金融时报》称为有影响力的五部工商巨著之一,被《哈佛商业评论》称为过去75年有影响
《名医推荐家庭必备偏方(珍藏本)》内容简介:《名医推荐家庭必备偏方(珍藏本)》以病为纲,以方为目,在浩如烟海的中医文献中,