非线性经济时间序列建模 [Modelling Nonlinear Economic Time Series] pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[英] 蒂莫·泰雷斯维尔塔（Timo Ter svirta） 等 著，杜江，吴良，张灵科 译

图书标签:

• 时间序列
• 非线性模型
• 计量经济学
• 金融经济学
• GARCH模型
• ARCH模型
• 神经网络
• 混沌理论
• 预测
• 经济建模

出版社： 机械工业出版社

ISBN：9787111576563

版次：1

商品编码：12184559

品牌：机工出版

包装：平装

丛书名： 诺贝尔经济学奖经典文库

外文名称：Modelling Nonlinear Economic Time Series

开本：16开

出版时间：2017-09-01

用纸：胶版纸

页数：448

产品特色

编辑推荐

适读人群 ：计量经济学师生

美国联邦储备委员会和许多国家中央银行都在使用的评估和预测方法。计量经济学领域享有盛名的三位国际专家，历经三十载完成的一部巨著。

内容简介

　　非线性时间序列计量经计学的*新进展;
　　列出许多研究课题的经典专著;
　　包含参数模型和非参数模型，平稳模型和非平稳模型;
　　参数方法和非参数方法;
　　增加了对复杂问题所涉及到的技术问题的解释章节，也提供有关技术的参考细节;
　　增加了非线性时间序列计量经济模型的预测理论和预测应用章节及GARCH-类模型章节。
　　既注重理论论证和方法演义，又运用经济数据，给出实证分析。对每一经典实例数据，按建模步骤分别给出平滑转换自回归(STAR)模型和人工神经网络(ANN)模型建模，让读者体验到使用非线性模型拟合时间序列数据的全过程。然后又使用在样本内得到的估计模型，演示非线性时间序列模型的预测和预测评估。
　　本书对大数据时代改进宏观经济预测及加强金融风险、治理风险控制等方面具有重要的推动意义。

作者简介

蒂莫·泰雷斯维尔塔（Timo Ter?svirta)，国际著名计量经济学家、瑞典斯德哥尔摩经济学院决策支持与经济统计学系教授，芬兰社会科学院院士、瑞典皇家科学院院士、在非线性时间序列方面的工作令人瞩目。同时，他还是诺贝尔奖评审委员会委员，受到经济学界的广泛尊重。从事了40多年的计量经济学研究，精通六国语言，爱好广泛，学术研究之余，他喜欢旅行、运动、电影和书籍。

精彩书评

　　怎样才能在经济学这样莫测高深的海洋中摆对自己的位置，了解自己应当从何处入门，以便跟上时代的步伐。机械工业出版社推出的这套“诺贝尔经济学奖经典文库”等于提供了一个台阶。
　　——厉以宁

　　北京大学教授

　　这将是国内*为齐全的一套诺贝尔奖得主系列丛书，有助于我们对20世纪的经济学做出全面、深入的了解，也有助于我们站在巨人的肩头，眺望21世纪经济学的雄伟殿堂。
　　——何帆
　　中国社会科学院

目录

丛书序一（厉以宁）
丛书序二（何帆）
推荐序（李维安）
译者序
前言
//第1章
概念、模型和定义
//1.1非线性的定义
//1.2非线性的来源
//1.3平稳性和非平稳性
//1.4可逆性
//1.5趋势
//1.6季节性
//1.7条件分布
//1.8Wold表述和Volterra扩展
//1.9加法模型
//1.10谱分析
//1.11混沌
//第2章
经济理论中的非线性模型
//2.1非均衡模型
//2.2劳动力市场模型
//2.3汇率目标区
//2.4生产理论
//第3章
参数非线性模型
//3.1概述
//3.2转换回归模型
//3.3马尔可夫状态转换回归模型
//3.4平滑状态转换回归模型
//3.5多项式模型
//3.6人工神经网络模型
//3.7极大极小模型
//3.8非线性移动平均模型
//3.9双线性模型
//3.10时变参数和状态空间模型
//3.11随机系数和波动性模型
/第4章
非参数方法
//4.1引言
//4.2自协方差和谱
//4.3密度、条件均值和条件方差
//4.4非线性过程的相依性测度
//第5章
参数线性检验
//5.1引言
//5.2一致的设定偏误检验
//5.3拉格朗日乘数或得分检验
//5.4局部等价的备择假设
//5.5仅在备择假设下可识别的非线性模型
//5.6未指定备择模型的线性性检验
//5.7运用渐近相对效率比较参数线性检验
//5.8使用何种检验
//第6章
参数恒定性检验
//6.1概况
//6.2邹氏检验法概述
//6.3拉格朗日乘数型检验
//6.4基于递归估计的参数检验
//第7章
非参数的规范检验
//7.1引言
//7.2非参数线性检验
//7.3具体函数形式的检验
//7.4滞后项选择
//7.5可加性和交互作用的检验
//7.6部分线性和半参数模型检验
//7.7独立性检验
//第8章
条件异方差模型
//8.1自回归条件异方差模型
//8.2广义ARCH模型
//8.3指数类GARCH模型
//8.4自回归随机波动模型
//8.5GARCH均值模型
//8.6实现波动率
//8.7多元GARCH模型
//第9章
时变参数和状态空间模型
//9.1引言
//9.2线性状态空间模型
//9.3时变参数模型
//9.4非线性状态空间模型
//9.5隐马尔可夫链和状态
//9.6参数估计
//第10章
非参数模型
//10.1可加模型
//10.2相关模型
//10.3半参数模型
//10.4稳健性和自适应估计
//第11章
非线性和非平稳模型
//11.1长记忆模型
//11.2线性单位根模型
//11.3向量自回归过程及线性协整
//11.4非线性I(1)过程
//11.5非线性误差修正模型
//11.6有非平稳回归变量的参数非线性回归
//11.7非线性协整类下的非参数估计
//11.8随机单位根模型
//第12章
参数非线性模型的估计算法
//12.1不用导数的优化法
//12.2需要导数的算法
//12.3其他方法
//第13章
基本非参数估计
//13.1密度估计
//13.2非参数回归估计
//第14章
非线性模型的预测
//14.1引言
//14.2参数模型的条件均值预测
//14.3非参数模型的预测
//14.4预测的精度
//14.5非线性模型预测的有用性
//14.6预测波动性
//14.7非线性模型预测综述
//第15章
非线性脉冲响应
//15.1广义脉冲响应函数
//15.2图解表示法
//第16章
非线性模型的构建
//16.1概述
//16.2非参数和半参数模型
//16.3平滑转换回归模型的构建
//16.4构建转换回归模型
//16.5构建人工神经网络模型
//16.6两个预测的比较
//第17章
其他专题
//17.1数据的加总
//17.2季节性
//17.3异常值与非线性性
//参考文献
//出版说明

前言/序言

众所周知，主要经济变量间的关系都表现为非线性，经济理论中的非线性模型也很多。因为有些经济变量具有黏性，这就使得市场常常不是出清的。通常，价格就是这样一个变量，导致价格和数量之间呈现非线性的关系。中央银行可能会为汇率设定界限，这就意味着汇率与基本面决定的它的价值之间的关系是非线性的。在劳动力市场，许多关于企业如何聘用员工的经济理论都认为，从宏观经济层面看，就业是非对称的。
大量的这些经济现象和理论都说明存在非线性计量经济学模型。本书的核心是引入时间经济关系。因此，所讨论的模型是时间序列模型，不过当数据由独立的观察值组成时，它们中的一些模型也会用到。模型设定之后，计量经济学家提出了模型中的参数估计方法，推导了估计量的统计理论。然而，经济理论并不总是对得出最适于描述实际现象的非线性模型的精确形式特别有帮助。比如，在某种情况下，对一个计量经济学家而言，至少有两种主要的思路可以考虑。一种思路是计量经济学家可能会决定估计模型的基本形式，而不去考虑相关经济变量关系的进一步描述。另外一种思路是以对时间序列的拟合参数模型为主线。这两种思路在本书中都考虑到了。第一种思路主要依赖于非参数方法和建模，本书中将会用几个章节对此加以介绍，在第10章将讲到非参数方法的基本概念。在时间序列和计量经济学的文献中，提出了大量的非线性时间序列模型，并得到了应用。第3章将讨论一些最常用的非线性时间序列模型。在许多有关时间序列的文献当中，所介绍的模型都是单变量的。不过，在有些文献中已经指出，能够把这样的模型推广到单方程动态回归模型，进一步推广到联立方程也是可能的。尽管能够这样，但相较于非线性单方程模型的应用，对使用非线性联立方程模型的经济时间序列的分析不那么常见。然而，已经发现向量模型能够应用于金融时间序列波动的建模，第8章对此有一个延伸阐述。另外，有些研究者试图为非线性向量自回归模型建立一个统计理论，这些模型和相关的理论会在第11章讨论。
研究者为了解释经济时间序列中的变量，一旦采用非线性模型，大量的模型就会导致这样一个问题：在如此多的备选模型中应该选择哪一个呢？这是一个经验主义的问题，因为不同的模型有不同的特性，也做不到把序列拟合成与模型一样好。出于现实的原因，将这种选择简单地限制到一个定义好的模型类别上不失为一种符合实际需要的策略。在线性时间序列文献中，就有个关于这方面的杰出范例。Box和Jenkins（1970）选择了一组单变量自回归移动平均模型（ARMA模型），并在该类别内提出了一种连贯的模型选择策略。这个策略由模型的设定、估计和评价三个阶段组成。
（1）设定（作者称之为识别），主要目的是利用时间序列的自相关系数和偏自相关系数的信息，选择（识别）出一组备选的ARMA模型。
（2）估计，目的是估计第一阶段设定的模型的参数。
（3）评价，目的是应用已估模型的残差，进行假设的有效性检验（这个阶段的评价被称为诊断检验，以便检查出模型中某些有可能出现的错误）。
这个策略可以拓展到对非平稳自回归求积移动平均模型（ARIMA模型）的考察，在模型设定阶段要决定实现平稳的求积程度或差分次数。本书针对向量模型，比如，线性向量自回归模型（VAR模型），也提出了相似策略。然而，即使在非平稳时间序列案例中，都广泛讨论模型的设定（决定滞后长度）和估计，但许多把VAR模型应用于宏观经济数据的研究者似乎并不会将更多的注意力放到模型评价上。
Box�睯enkins建模技术的成功无疑是基于这样一个事实：把模型约束在某种类别下。比如说，非线性模型就包含其中。这就是为什么在定义好的一组模型中进行非线性建模是一个好主意。本书的第16章就包含关于三组众所周知的参数非线性模型建模策略的讨论，其中，单向隐层神经网络类模型就有强烈的非参数特征。这种策略与Box�睯enkins策略一样，由三个阶段组成，有许多例子也证明它在现实中是起作用的。应该指出的是，在本书第16��2节讨论的许多非参数建模方法，凭借其本身的实力，既可以当作参数模型的设定工具，也可以当作非参数模型的建模工具。
本书讨论的模型都是随机的。这看起来似乎是一个自然的选择，因为在经济学中的一个经典假设是，经济是由影响经济的某些方面或者影响整个社会的冲击或者创新驱动的。在许多物理科学中被频繁使用的确定性过程在本书第1.11节有简单提及，但没做详细讨论。然而，随机参数模型可能包含确定性组成部分，诸如时间趋势、结构突变或者漂移项。而且，有时还假设随机模型的参数是时间的函数，随时间具有确定性的变化，这种时变参数模型会在第3章中讨论。
我们会看到，许多非线性时间序列模型嵌套一个线性模型，这就使得检验线性性相当重要，因为线性模型更好用，并且与非线性模型相比，线性模型的概率特性更容易得知。当这些非线性模型是非线性时，通常才能被识别，也就是说，当数据不是由嵌套在大模型中的线性模型生成时，就是非线性模型。一个重要的结论就是：在这个框架中，检验线性假设时，标准渐进分布理论无效。基于此，很多人都在线性检验和其他各种检验上下功夫。针对参数替代性的检验在第5章可以看到，并且第7章也包括了对线性和独立性的非参数检验的讨论。参数连续性检验中，其中很多类似于参数线性检验的部分在第6章中有提到。他们检验的原假设是线性模型，备择假设是线性模型具有时变参数，根据很多定义，它其实是一个非线性模型。有关特定非线性模型的参数连续性检验问题会在第16章讨论。
根据一些非线性的定义，误差为条件异方差的模型是非线性模型。由于在预测波动性和当前的大量数据方面日益增加的兴趣，金融计量经济学家和投资者已十分青睐条件异方差的模型。在本书第8章会讲述波动性的单变量模型和向量模型，或者换句话说，是条件方差和协方差模型。这一章中的模型是参数模型。关于非参数模型波动性的有关内容会在本书第10.1.6节讨论。
建立非线性模型的目的与线性模型相似，用于政策分析和预测。预测可能是单变量模型最重要的目的。鉴于最优二乘法预测出来的是条件平均数这样一个事实，用非线性模型进行预测比用线性模型要涉及更多的计算。按照以前的方法，几乎不可能从一个已经估计出的模型得到提前多步预测，预测者必须依赖在第14章讲述的数值计算方法。
在Clive W�盝�盙ranger和Timo Ter�|svirta（1993）关于非线性模型和建模的教科书中，他们就明确地指出，著书的目的是总结出更切实际的非线性时间序列的最新进展，并且鼓励计量经济学家多使用非线性模型。近几年，在经济关系的建模上，采用非线性模型已经有了长足进步。尽管非线性时间序列的建模发展势头良好，但本书依然追逐和保持先驱持之以恒的目标，力图对Clive W�盝�盙ranger和Timo Ter�|svirta（1993）讨论的主题进行一定程度的更新，并对没有涉猎的内容进行补充完善。还有一点是，本书的数学水平适中，重点在于介绍不同的线性模型以及讨论它们的实际应用，相关的统计理论也有涉及，但没有给出完善详尽的证明。从这方面来讲，本书与一些非线性模型的经典著作相比，确有一些不同，如与Tong（1990）、Fan和Tao（2003）的著作相比。
本书涵盖了大量丰富的话题，有一些章节是相当独立的。因此，在很多情况下，如果有些读者只对特定的问题感兴趣，那么，读者只需阅读相关章节就能理解内容，而用不着参考前面的章节。尽管本书是按照计量经济学家和经济学家的思想撰写的，但它也适合于对相关工作需要获取时间序列形式的数据的其他领域的研究者阅读，比如生态学、生物学和地理学。因此，希望本书的内容可以鼓励读者将非线性模型应用到其实际的建模问题上。
我们有幸能在圣迭戈大学经济学院聚到一起，策划本书。学院为我们提供了良好的工作环境。最近，为了撰写本书，Timo Ter�|svirta作为奥尔胡斯大学时间序列经济分析研究中心（CREATES）的一员，在斯德哥尔摩经济学院已经做了大量的工作，而且在工作期间，他也获得了到具有优良工作环境的悉尼技术大学金融与经济学院进行访问的机会，他很感谢促成这次访问的Tony Hall。考虑到完成本书的撰写，他到卑尔根大学的访问是非常有用的。他也希望提及他受Eilev Jansen之邀到挪威奥斯陆统计局的访问，在那里他有机会提出本书的一些观点并接收一些反馈。Dag Tj�istheim在卑尔根大学做了大量的工作，也访问了斯德哥尔摩经济学院、奥尔胡斯大学以及珀斯市西澳大利亚大学，并在那里撰写本书。
Timo Ter�|svirta感谢Jan Wallander和Tom Hedelius基金会、No�盝02��35和P2005��33:1资助金以及丹麦国家研究基金会对这项工作的经济支持。Dag Tj�istheim也得到了卑尔根大学梅尔泽基金会和挪威研究理事会的支持。
在工作期间，很多人也帮助了我们。在制订计划、计算和作图方面，我们得到了来自Marcelo Medeiros、Birgit Strikholm和Yongil Jeon的大力支持。Karl Ove Hufthammer和Stefan Sperlich同样在图表方面帮助了我们。切片谱的数据是由Joakim Skalin写的GAUSS代码生成的。Niklas Ahlgren、Graham Elliott、Changli He、Matt Holt、Mika Meitz、Tomoaki Nakatani和Birgit Strikholm已经阅读了本书，并提出了很好的反馈意见。Ander Kock和Matt P�盌ziubinski帮助汇编索引。在很多实践案例上，Mike Bacci提供了有价值的帮助。还有其他很多人也对我们给予了许多帮助，在此，一并表示感谢。不过，对于我们工作中的错误和缺陷，我们都会负起责任。

好的，这是一份关于《非线性经济时间序列建模》的图书简介，力求内容详实、专业，不包含原书内容，并力求自然流畅： 图书简介：《非线性经济时间序列建模》 书名： 《非线性经济时间序列建模》 作者： [请在此处填入作者信息] 出版社： [请在此处填入出版社信息] ISBN： [请在此处填入ISBN信息] 内容简介 在全球经济日益复杂化、相互关联性增强的背景下，传统的线性时间序列模型在捕捉经济现象的深层非线性特征和突变方面显得捉襟见肘。经济活动中充斥着阈值效应、状态依赖性、尖锐的波动聚集以及复杂的宏观经济周期性变化，这些都要求我们采用更精细、更具适应性的建模工具。《非线性经济时间序列建模》正是为应对这一挑战而精心构建的权威指南。 本书系统性地梳理和深入探讨了经济学领域中非线性时间序列分析的理论基础、核心模型及其在实际应用中的操作细节。它不仅是对经典计量经济学方法的补充，更是一部面向现代经济数据分析的实战手册，旨在帮助读者构建能够准确描述、有效预测和深入理解复杂经济系统的量化工具。 一、理论基石与模型综述 本书伊始，首先回顾了经济时间序列分析的基本概念，并强调了线性模型的局限性。随后，它系统地引入了非线性模型的分类框架，包括状态空间模型 (State Space Models)、阈值自回归模型 (Threshold Autoregressive Models, TAR) 以及更广泛的非线性自回归模型 (Nonlinear Autoregressive Models, NAR)。重点阐述了非线性模型如何在特定条件下（如经济衰退与繁荣期的不同动态机制）展现出与线性模型截然不同的预测能力和解释力。 书中详细剖析了马尔可夫转换模型 (Markov Switching Models, MSMs)，这类模型尤其适用于描述经济体在不同宏观政策环境或制度结构下的动态转换。作者不仅解释了MSMs的理论推导，还探讨了如何利用观测到的经济指标（如利率、通货膨胀率）来识别潜在的隐藏状态，并评估状态转换的概率及其对预测区间的影响。 二、波动率建模的深化与扩展 经济时间序列的一个关键特征是波动率的聚集性（Volatility Clustering）和时变性。本书将大量篇幅专门用于讨论广义自回归条件异方差模型 (GARCH) 家族的扩展。 我们不仅会深入讲解EGARCH (Exponential GARCH)、TGARCH (Threshold GARCH) 等捕捉非对称波动效应的模型，这些模型对于分析金融危机或政策冲击后市场反应的持续性至关重要。此外，本书还将探讨随机波动率模型 (Stochastic Volatility Models, SV)，它们提供了更灵活的波动率过程描述，并通过状态空间框架与观测方程相结合进行有效估计，尤其适用于高频金融数据的分析。读者将了解到如何利用这些工具精确量化经济不确定性的来源及其在不同时间尺度上的演变。 三、非线性的识别与检验 构建非线性模型的前提是对数据中存在非线性结构的准确识别。本书提供了严谨的统计检验方法。除了经典的RESET检验外，书中详尽介绍了针对特定非线性形式的检验，例如Bierens检验和Tsai检验，它们能够在数据不完全指示特定模型结构时，有效地检测出是否存在普适性的非线性。 更为重要的是，本书强调了模型设定的重要性。分析如何通过后验残差分析、信息准则（如AIC、BIC）的调整版本，以及基于理论的先验知识，来避免过度拟合（Overfitting）和模型误设（Misspecification）。 四、高级非线性技术与前沿方法 为紧跟计量经济学前沿，本书探讨了更高维度的非线性分析工具。这包括： 1. 非参数与半参数方法： 当经济理论无法提供明确的函数形式时，如何使用局部多项式回归 (Local Polynomial Regression) 或光滑估计 (Smoothing Splines) 来捕捉数据驱动的非线性关系，提供更具适应性的拟合。 2. 非线性向量自回归 (NL-VAR) 框架： 扩展到多变量系统，分析不同经济变量之间复杂的相互作用，如货币政策冲击如何通过非线性渠道影响产出和价格。这涉及向量阈值自回归 (TVAR) 和向量马尔可夫转换模型 (MS-VAR) 的估计与脉冲响应分析。 3. 门限协整与误差修正： 针对长期均衡关系，本书讨论了在协整关系中引入非线性的必要性。门限协整模型 (Threshold Cointegration) 能够揭示经济主体（如市场参与者）在偏离均衡达到某一程度后，会以更快的速度或不同的机制回归均衡，这对于理解金融市场和宏观经济的调整过程具有深远意义。 五、实证应用与软件实现 本书高度重视实践操作。在理论讲解的每一个关键节点，都配有详尽的R (或MATLAB/Python) 编程实现指南。读者不仅学习模型背后的数学原理，还能掌握如何利用成熟的计量包（如`tsDyn`、`MSwM`等）来处理真实世界的经济数据集，包括数据预处理、模型估计、结果诊断和预测区间构造。 通过多个精心挑选的案例研究——涵盖了宏观经济周期分析、资产价格波动建模、以及汇率的非线性调整机制——本书将抽象的理论转化为可操作的分析流程。 目标读者 本书适合经济学、金融学、计量经济学的高年级本科生、研究生、博士后研究人员，以及需要处理复杂时间序列数据的专业经济分析师、中央银行、国际金融机构和投资银行的研究人员。阅读本书要求具备扎实的线性时间序列分析基础（如ARIMA、VAR模型）和基本的统计推断知识。 《非线性经济时间序列建模》旨在成为读者手中解决复杂经济数据挑战的必备工具书，引导研究者超越线性思维的束缚，深入洞察经济系统的内在非线性动力学。

评分☆☆☆☆☆

作为一个多年从事经济预测的实践者，我一直在寻找能够突破线性模型局限性的工具。传统的ARIMA模型在处理经济数据时，常常会忽略掉很多重要的非线性特征，比如数据的尖峰、厚尾、波动聚集等现象，这些都是经济世界中普遍存在的。因此，这本书的出现对我来说意义重大。我希望它能系统地介绍各种非线性时间序列模型，例如ARCH/GARCH族模型、状态空间模型、马尔可夫切换模型等等，并且详细阐述它们在不同经济场景下的适用性。更重要的是，我期待这本书能提供丰富的实证案例，展示如何利用这些模型对宏观经济指标、金融市场价格、通货膨胀等进行建模和预测，并与其他模型进行对比分析，突出非线性模型的优势。如果书中还能包含一些对模型的选择、检验和优化的方法论讲解，那就更完美了。

评分☆☆☆☆☆

我最近在学习经济计量学，对时间序列分析特别着迷。线性模型虽然基础，但在处理现实世界中许多经济现象时，总感觉不够“给力”。比如，股票价格的波动常常不是线性的，而是呈现出一种“放大”和“收缩”的周期性，这很难用简单的线性关系来解释。这本书的书名“非线性经济时间序列建模”让我眼前一亮，因为它直击了传统模型无法完全捕捉的经济数据的内在复杂性。我非常希望这本书能够系统地梳理非线性时间序列模型的发展脉络，介绍一些前沿的模型，比如神经网络在时间序列预测中的应用，或者是一些半参数模型。同时，我也期待书中能有详细的数学推导和算法解释，让我能够理解这些模型的原理，而不仅仅是停留在应用层面。能够看到具体的软件实现代码，比如R或者Python的示例，那就更棒了，可以直接动手实践。

评分☆☆☆☆☆

这本书的书名非常有吸引力，它直接点出了我对经济时间序列分析研究方向的兴趣所在。我一直觉得，经济世界充满了各种非线性的互动和反馈机制，而传统的线性模型在捕捉这些复杂性方面存在天然的局限性。例如，经济危机往往不是线性的衰退，而是伴随着急剧的波动和放大效应，这需要更高级的模型来刻画。我非常期待这本书能够提供一套系统化的框架，来理解和运用非线性模型处理经济时间序列数据。我希望它能涵盖从基本概念到前沿技术的完整内容，包括各种非线性模型的理论基础、数学推导、估计方法以及实证应用。特别是，我希望这本书能够为我提供一些实用的建模工具和技巧，帮助我更好地分析和预测经济现象，比如金融市场的风险管理、宏观经济的波动预测等。这本书的出现，无疑将为我的研究提供重要的理论和实践指导。

评分☆☆☆☆☆

作为一名研究生，我对学术研究有着浓厚的兴趣，尤其是在经济学领域。目前，我对时间序列分析的了解主要停留在经典的线性模型层面。然而，在阅读一些前沿的经济学文献时，我发现很多研究都开始运用非线性模型来处理经济数据，这让我意识到，线性模型可能已经不足以完全捕捉经济系统中的复杂动态。因此，这本书的出现，让我看到了一个深入学习非线性模型理论和方法的绝佳机会。我希望这本书能够提供一个全面而深入的视角，介绍各种经典的以及新兴的非线性时间序列模型，例如阈值自回归模型（TAR）、平稳性变换模型（GARCH）、隐马尔可夫模型（HMM）等。同时，我也期待书中能够提供详尽的数学推导和严谨的统计论证，帮助我理解这些模型的内在机制。最后，如果书中能够包含一些关于模型选择、参数估计、模型检验以及预测性能评估的详细讨论，那我将受益匪浅。

评分☆☆☆☆☆

这本书的封面设计非常吸引人，简约大气，一看就知道是学术类的专业书籍。拿到手里，纸张的质感也很好，印刷清晰，排版合理，阅读起来非常舒适。我一直对经济学中时间序列分析很感兴趣，但传统的线性模型总觉得有些力不从心，尤其是在面对金融市场波动、经济周期等复杂现象时。这本书的题目“非线性经济时间序列建模”立刻抓住了我的眼球，让我看到了理解这些复杂现象的希望。我非常期待这本书能够深入浅出地介绍非线性模型在经济时间序列分析中的应用，特别是能够提供一些具体的案例和实操指导。我希望它能帮助我构建更具解释力和预测能力的经济模型，从而更准确地把握经济运行的脉搏，理解那些隐藏在数据背后的深层逻辑。这本书的出现，无疑为我打开了一个新的研究视角，相信它会成为我经济学研究道路上的重要伙伴。

评分☆☆☆☆☆

比较不错，比较喜欢。

评分☆☆☆☆☆

不错不错，支持，顶一下

评分☆☆☆☆☆

比较不错，比较喜欢。

评分☆☆☆☆☆

这几天事多，没有来得及看，期待好书

评分☆☆☆☆☆

很好

评分☆☆☆☆☆

这几天事多，没有来得及看，期待好书

评分☆☆☆☆☆

买了全套，经典的论文，虽然不错学术研究很久了

评分☆☆☆☆☆

这几天事多，没有来得及看，期待好书

评分☆☆☆☆☆

很好