《应用时间序列分析》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:黄红梅编著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2016
  • ISBN:9787302422785
  • 页数:286 页
图书介绍:本教材可作为统计学专业时间序列分析课程的主讲教材,也可作为经济和金融等专业的选用教材。本教材在理论讲解的同时提供了必要的经典案例和应用操作规程。全书包含七章,包括导论、平稳时间序列模型、包含趋势的模型、多变量平稳时间序列模型、多变量非平稳时间序列模型、季节性模型和波动性模型。

第1章 时间序列基础知识 1

1.1 时间序列的基本概念 1

1.1.1 时间序列的数字特征 1

1.1.2 时间序列自协方差和自相关系数的性质 2

1.2 平稳性 3

1.2.1 平稳性的定义 3

1.2.2 平稳时间序列的应用特性 4

1.3 白噪声过程 5

1.4 线性差分方程 6

1.4.1 滞后算子 6

1.4.2 差分算子 8

1.4.3 求解p阶线性差分方程的特征根法 9

1.4.4 求解1阶线性差分方程的特征根法和迭代法 12

习题及参考答案 13

参考文献 16

第2章 平稳时间序列模型 17

2.1 ARMA模型的形式 17

2.1.1 ARMA模型的典型形式 17

2.1.2 ARMA模型的滞后算子多项式表示形式 18

2.1.3 ARMA模型的传递形式和逆转形式 19

2.1.4 格林函数 19

2.2 ARMA模型的平稳性条件 22

2.2.1 AR模型的平稳性条件 22

2.2.2 MA模型的平稳性条件 33

2.2.3 ARMA模型的平稳性条件 35

2.3 MA模型的可逆性条件 36

2.3.1 MA(q)模型的可逆性条件 36

2.3.2 MA(1)模型的可逆性条件 39

2.3.3 MA(2)模型的可逆性条件 39

2.4 ARMA过程的自相关函数和Yule-Walker方程 41

2.4.1 AR(p)过程的自相关函数及其拖尾性 41

2.4.2 MA(q)过程的自相关函数及其截尾性 43

2.4.3 ARMA(p,q)过程的自相关函数及其拖尾性 44

2.5 ARMA过程的偏自相关函数 45

2.5.1 AR(p)过程的偏自相关函数及其截尾性 46

2.5.2 MA(q)过程的偏自相关函数及其拖尾性 48

2.5.3 ARMA(p,q)过程的偏自相关函数及其拖尾性 49

2.6 Box-Jenkins建模方法 49

2.7 ARMA模型的预测 53

2.7.1 最小均方误差预测 53

2.7.2 条件期望 54

2.7.3 预测误差 54

2.7.4 AR(p)过程的预测 55

2.7.5 MA(q)过程的预测 56

2.7.6 ARMA(p,q)过程的预测 57

2.8 实例应用 60

2.9 补充内容 66

习题及参考答案 78

参考文献 81

第3章 单位根检验 82

3.1 典型的平稳和非平稳过程 82

3.1.1 零均值平稳过程和随机游走过程 82

3.1.2 非零均值平稳过程和带漂移的随机游走过程 84

3.1.3 趋势平稳过程和趋势非平稳过程 85

3.2 趋势平稳和差分平稳 86

3.2.1 趋势平稳过程 86

3.2.2 差分平稳过程 87

3.2.3 过度差分 88

3.3 单位根检验 88

3.3.1 DF检验 89

3.3.2 ADF检验 91

3.3.3 DF和ADF检验中几个值得注意的问题 92

3.3.4 其他类型的单位根检验 97

3.4 实例应用 97

3.5 补充内容 104

3.5.1 例3-1的相关R语言命令及结果 104

3.5.2 例3-2的相关R语言命令及结果 110

习题及参考答案 118

参考文献 119

第4章 趋势和季节性建模 121

4.1 确定性趋势建模 121

4.2 随机趋势建模 127

4.3 季节性建模 127

4.4 补充内容 134

4.4.1 例4-1的相关R语言命令及结果 134

4.4.2 例4-2的相关R语言命令及结果 141

习题及参考答案 149

参考文献 150

第5章 条件异方差模型 151

5.1 异方差的定义 151

5.2 ARCH过程 152

5.3 GARCH过程 154

5.3.1 GARCH(p,q)模型 154

5.3.2 条件方差的预测 155

5.4 GARCH过程的扩展模型 156

5.4.1 GARCH-M模型 156

5.4.2 IGARCH模型 157

5.4.3 EGARCH模型 157

5.4.4 TGARCH模型 158

5.4.5 GARCH类过程特点比较 159

5.5 条件异方差性的诊断检验 160

5.6 实例应用 161

5.7 补充内容 168

习题及参考答案 181

参考文献 187

第6章 向量自回归模型 188

6.1 VAR模型的标准形式 188

6.2 VAR模型的平稳性条件 190

6.3 VAR模型的估计和识别 192

6.3.1 VAR模型的估计 192

6.3.2 VAR模型的识别——2维1阶情况 193

6.3.3 VAR模型的识别——n维1阶情况 195

6.4 脉冲响应函数 196

6.4.1 Cholesky分解下的脉冲响应 196

6.4.2 相关系数对Cholesky分解中变量次序重要性的影响 198

6.5 方差分解 203

6.6 Granger因果关系检验 204

6.7 实例应用 205

6.8 补充内容 212

习题及参考答案 221

参考文献 224

第7章 协整和误差修正 225

7.1 协整理论 225

7.2 Engle-Granger协整检验 227

7.2.1 EG协整检验原理 227

7.2.2 EG协整检验实例 229

7.3 Johansen协整检验 234

7.3.1 Johansen协整检验原理 234

7.3.2 向量误差修正模型 238

7.3.3 VECM中的截距项 241

7.3.4 模型滞后阶数的选择 245

7.3.5 Johansen协整检验统计量 246

7.3.6 Johansen协整检验实例 247

7.4 伪回归 251

7.5 补充内容 252

习题及参考答案 262

参考文献 264

附录A EViews软件快速入门 266

A.1 主界面窗口 266

A.2 工作文件 267

A.3 常用对象 269

A.3.1 序列 270

A.3.2 方程 271

A.3.3 组 273

A.3.4 向量自回归 274

附录B 实例数据 276

附录C R语言函数索引 285