內容簡介
《現代時間序列分析導論(第二版)/經濟科學譯叢;“十一五”國傢重點圖書齣版規劃項目》是一部關於時間序列計量經濟學的最新理論,以及在經濟學和金融學中的應用的教科書。《現代時間序列分析導論(第二版)/經濟科學譯叢;“十一五”國傢重點圖書齣版規劃項目》英文版第1版由斯普林格齣版社齣版之後,廣受好評, 於2012年齣版發行瞭第2版。第2版中添加瞭時間序列分析的最新理論。其讀者對象為經濟學和計量經濟學專業的高年級本科生和研究生,以及應用時間序列分析技術的學者。《現代時間序列分析導論(第二版)/經濟科學譯叢;“十一五”國傢重點圖書齣版規劃項目》內容包括:時間序列分析的曆史、單變量平穩過程、格蘭傑因果檢驗、嚮量自迴歸模型、非平穩過程、協整分析、非平穩麵闆數據、自迴歸條件異方差模型,等等。
《現代時間序列分析導論(第二版)/經濟科學譯叢;“十一五”國傢重點圖書齣版規劃項目》在闡述時間序列分析理論的同時,特彆重視對實證分析方法的介紹。書中使用瞭63個實際案例,其中大部分來自真實的數據集,應用EViews 7.2運算得到。所有的原始數據集可在烏沃.哈斯勒(Uwe Hassler )的個人主頁上下載。作者多年的教學經驗,以及大量的案例分析,使《現代時間序列分析導論(第二版)/經濟科學譯叢;“十一五”國傢重點圖書齣版規劃項目》成為一本閱讀性很強的教科書,讀者不用閱讀其他大量的參考書就能夠掌握時間序列分析的基本框架。書中還列齣瞭重要的參考文獻。
作者簡介
蓋哈德.剋西蓋斯納(Gebhard Kirchgassner), 1948年齣生,1973年於德國康斯坦茨大學(University of Konstanz)取得博士學位,現為瑞士聖加倫(St. Gallen)大學經濟係教授。
約根.沃特斯(Jürgen Wolters),1940年齣生, 1972年於德國曼海姆大學取得博士學位,1982年起任德國柏林自由大學(Free University of Berlin) 經濟係教授。
烏沃.哈斯勒(Uwe Hassler),1963年齣生,1993年於德國柏林自由大學取得博士學位,現任德國法蘭剋福大學(Goethe-University of Frankfurt)經濟學教授。
內頁插圖
目錄
第1章 引言及基礎知識
1.1 時間序列分析的發展曆史
1.2 經濟時間序列的圖形錶示
1.3 滯後算子
1.4 遍曆性和平穩性
參考文獻
第2章 單變量平穩過程
2.1 自迴歸過程
2.1.1 一階自迴歸過程
2.1.2 二階自迴歸過程
2.1.3 高階自迴歸過程
2.1.4 偏自相關函數
2.1.5 自迴歸過程的估計
2.2 移動平均過程
2.2.1 一階移動平均過程
2.2.2 MA(1)過程與時頻歸並
2.2.3 高階移動平均過程
2.3 混閤過程
2.3.1 ARMA(1,1)過程
2.3.2 ARMA(p,q)過程
2.4 預測
2.4.1 最小均方誤差(minimalmeansquarederrors)預測
2.4.2 ARMA(p,q)過程的預測
2.4.3 預測效果的評價
2.5 計量模型與ARMA過程的關係
參考文獻
第3章 格蘭傑因果關係
3.1 格蘭傑因果性的定義
3.2 雙變量模型中因果關係的刻畫
3.2.1 因果關係的刻畫——-基於自迴歸和移動平均過程
3.2.2 因果關係的刻畫——-基於單變量過程的殘差
3.3 因果關係檢驗
3.3.1 直接格蘭傑方法
3.3.2 Haugh-Pierce檢驗
3.3.3 Hsiao方法
3.4 因果關係檢驗在多元模型中的應用
3.4.1 直接格蘭傑方法在多變量情形下的應用
3.4.2 在多變量模型中解釋雙變量因果檢驗的結果
3.5 結束語
參考文獻
第4章 嚮量自迴歸過程
4.1 VAR係統的錶達式
4.2 格蘭傑因果性
4.3 脈衝響應分析
4.4 方差分解
4.5 結束語
參考文獻
第5章 非平穩過程
5.1 非平穩性的形式
5.2 趨勢去除
5.3 單位根檢驗
5.3.1 Dickey-Fuller檢驗
5.3.2 增廣的Dickey-Fuller檢驗
5.3.3 Phillips-Perron檢驗
5.3.4 單位根檢驗和結構突變
5.3.5 當原假設為平穩時的檢驗
5.4 時間序列的分解
5.5 進一步的擴展
5.5.1 分整(fractionalintegration)
5.5.2 季節單整
5.6 經濟時間序列中的確定性趨勢與隨機趨勢
參考文獻
第6章 協整
6.1 協整過程的定義及性質
6.2 單方程模型中的協整:錶達式、估計及檢驗
6.2.1 雙變量協整
6.2.2 多變量協整
6.2.3 靜態模型中的協整檢驗
6.2.4 動態模型中的協整檢驗
6.3 嚮量自迴歸模型中的協整
6.3.1 嚮量誤差修正錶達式
6.3.2 Johansen方法
6.3.3 嚮量誤差修正模型的分析
6.4 協整與經濟理論
參考文獻
第7章 非平穩麵闆數據
7.1 麵闆模型的幾個相關問題
7.1.1 遺漏變量偏差
7.1.2 估計和檢驗
7.1.3 混閤的麵闆證據(mixedpanelevidence)
7.2 麵闆單位根檢驗
7.2.1 第一代檢驗方法
7.2.2 第二代檢驗方法
7.2.3 平穩性原假設的檢驗
7.3 顯著性的結閤
7.3.1 逆正態方法(inverse normal method)
7.3.2 Bonferroni型檢驗
7.4 麵闆協整
7.4.1 單方程方法
7.4.2 係統方法
7.5 結束語
參考文獻
第8章 自迴歸條件異方差
8.1 ARCH模型
8.1.1 定義及錶達式
8.1.2 條件矩
8.1.3 時頻歸並
8.2 廣義ARCH模型
8.2.1 GARCH模型
8.2.2 GARCH(1,1)過程
8.2.3 非綫性擴展
8.3 估計和檢驗
8.4 多元模型
8.4.1 VAR型模型
8.4.2 相關模型(correlationmodels)
8.5 金融市場分析中的ARCH/GARCH模型
參考文獻
譯後記
前言/序言
現代時間序列分析導論(第二版)/經濟科學譯叢;“十一五”國傢重點圖書齣版規劃項目 圖書簡介 主題: 深入淺齣地介紹現代時間序列分析的核心理論、方法與應用,特彆關注在經濟學、金融學及相關領域中的實際操作與前沿發展。 目標讀者: 經濟學、金融學、統計學、計量經濟學等領域的本科高年級學生、研究生、研究人員以及需要在實踐中運用時間序列分析技術的專業人士。 核心內容概述: 本書是繼第一版基礎上進行全麵修訂和擴充的第二版,旨在為讀者構建一個堅實的時間序列分析理論框架,並提供豐富的實證案例和軟件操作指導。全書結構清晰,從基礎概念入手,逐步深入到復雜的非綫性模型和高維數據處理。 第一部分:基礎理論與平穩過程 本書首先聚焦於時間序列分析的基石——平穩性。詳細闡述瞭嚴謹的隨機過程理論,包括白噪聲過程、自迴歸(AR)過程、移動平均(MA)過程以及兩者的結閤——自迴歸移動平均(ARMA)模型。 隨機過程基礎: 嚴格定義瞭寬平穩(WSS)和嚴格平穩(SSS)的概念,並討論瞭它們之間的聯係。重點分析瞭協方差函數和譜密度的性質,強調瞭譜分析在理解時間序列周期性結構中的重要性。 ARMA 模型識彆與估計: 係統介紹瞭如何利用樣本自相關函數(ACF)和偏自相關函數(PACF)對數據進行初步識彆,繼而深入講解瞭最大似然估計(MLE)方法在參數估計中的應用。對於模型定階,詳細闡述瞭赤池信息準則(AIC)和貝葉斯信息準則(BIC)的應用標準。 非平穩性處理(差分與積分): 針對經濟和金融數據中常見的趨勢和隨機遊走現象,係統介紹瞭差分操作,並將其推廣到整閤過程。詳細討論瞭單位根檢驗的經典方法,如增廣迪基-福勒(ADF)檢驗及其局限性,並引入瞭更穩健的檢驗方法。 第二部分:動態模型的擴展與應用 在奠定平穩模型基礎後,本書將分析的範圍擴展到更具挑戰性的非平穩和高階動態係統。 條件異方差性與 ARCH/GARCH 模型: 認識到金融時間序列波動率集中的特徵,本書投入大量篇幅介紹波動率建模。從最基礎的 ARCH 模型開始,逐步推導齣 GARCH(p,q) 模型,並介紹其變體,如 EGARCH(指數GARCH)、GJR-GARCH 等,以更好地刻畫金融收益率的非對稱波動效應。同時,詳細討論瞭波動率模型的極大似然估計、殘差診斷以及風險價值(VaR)的計算。 嚮量自迴歸(VAR)模型: 針對多個相互影響的時間序列係統,VAR 模型是核心工具。本書不僅講解瞭靜態VAR模型的估計與顯著性檢驗,更側重於 VAR 模型的動態分析,包括脈衝響應函數(IRF)的計算、方差分解(FEVD)的應用,以及格蘭傑因果關係的檢驗。 協整與誤差修正模型(VECM): 針對具有長期均衡關係的非平穩變量,本書全麵介紹瞭協整理論。詳細解釋瞭恩格爾-格蘭傑(Engle-Granger)兩步法和約翰森(Johansen)多變量檢驗,並將其成功應用於建立長期均衡關係下的短期動態調整機製——誤差修正模型(VECM)。 第三部分:現代計量經濟學前沿方法 本部分深入探討瞭處理復雜、高維或非綫性時間序列數據的現代工具,這些工具是當前計量經濟學研究的前沿熱點。 狀態空間模型與卡爾曼濾波: 介紹瞭狀態空間錶示法,這是一種強大的工具,可以將復雜的動態模型(如隨機波動模型)統一在一個框架下。重點講解瞭卡爾曼濾波器的遞歸估計過程,使其能夠處理不可觀測的潛在狀態變量,廣泛應用於宏觀經濟預測和金融資産定價模型的估計。 非綫性時間序列分析: 討論瞭超越綫性模型的非綫性現象,包括狀態依賴模型(如隱馬爾可夫模型 HMM)和非綫性自迴歸模型(如 TAR 模型)。這部分內容有助於識彆經濟係統中的結構性變化和轉換點。 高維時間序列與維度縮減: 鑒於現代數據維度爆炸的趨勢,本書引入瞭主成分分析(PCA)在時間序列中的應用,以及因子模型(Factor Models)在處理大量宏觀經濟指標預測中的作用,這是當前宏觀計量預測的重要方嚮。 實踐與特色: 強調應用導嚮: 每介紹完一種模型,均會提供詳細的經濟學或金融學案例,如利率期限結構、通貨膨脹預測、波動率套利模型等。 軟件操作指導: 書中包含瞭使用主流計量軟件(如 EViews, R 或 Stata)實現關鍵分析步驟的示例代碼和操作說明,確保讀者能夠將理論知識迅速轉化為實踐能力。 嚴謹的理論推導: 在保證應用性的同時,本書保持瞭統計學上的嚴謹性,對關鍵定理和估計量的漸近性質進行瞭清晰的推導和論證。 本書的第二版在內容上力求全麵、在方法上緊跟前沿,為構建一個全麵、深入的時間序列分析知識體係提供瞭堅實的藍圖。