Sách để tự học phân tích chuỗi thời gian?

Tôi bắt đầu bằng Phân tích chuỗi thời gian của Hamilton, nhưng tôi vô vọng. Cuốn sách này thực sự quá lý thuyết để tôi tự học.

Có ai có một đề nghị cho một cuốn sách giáo khoa về phân tích chuỗi thời gian phù hợp cho việc tự học không?

Tôi muốn giới thiệu những cuốn sách sau:

1. Phân tích chuỗi thời gian và các ứng dụng của nó: Với các ví dụ R
2. Phân tích và dự báo chuỗi thời gian bằng ví dụ

Tôi hy vọng nó sẽ giúp bạn. May mắn nhất!

Dự báo: các nguyên tắc và thực hành của Rob J Hyndman và George Athanasopoulos có sẵn trực tuyến miễn phí: http://otexts.com/fpp/

Đó là một cuốn sách tốt theo đúng nghĩa của nó; Cuốn sách dự báo trước đây của Hyndman với Makridakis và Wheelright được đánh giá cao, nhưng điều này có thêm lợi thế là bạn có thể thấy những gì bạn đang nhận được với giá.

Có ba cuốn sách mà tôi luôn luôn đề cập đến từ Rgóc độ phân tích chuỗi thời gian và lập trình:

1. Phân tích chuỗi thời gian và các ứng dụng của nó: Với các ví dụ R của Shumway và Stoffer
2. Phân tích chuỗi thời gian: Với các ứng dụng trong R của Casher và Chan.
3. Chuỗi thời gian giới thiệu với R của Cowpertwait và Metcalfe

Cuốn sách đầu tiên của Shumway và Stoffer có phiên bản mã nguồn mở (rút gọn) có sẵn trực tuyến được gọi là phiên bản EZgreen.

Nếu bạn đặc biệt xem xét dự báo chuỗi thời gian, tôi sẽ khuyên bạn nên theo các cuốn sách sau:

1. Phương pháp dự báo và ứng dụng của Makridakis, Wheelwright và Hyndman. Tôi liên tục nhắc đến cuốn sách này, Đây là một phong cách viết cổ điển, hoàn toàn phi thường.
2. Một người kế thừa trực tuyến cho cuốn sách trên với các ví dụ R hay là Dự báo Nguyên tắc và Thực hành của Hyndman và Athanasopoulos.
3. Nếu bạn đang xem phương pháp mô hình hóa cổ điển của Box Jenkins, tôi sẽ khuyên bạn nên Phân tích chuỗi thời gian: Dự báo và kiểm soát theo Box, Jenkins và Reinsel.
4. Một điều trị đặc biệt về mô hình hóa và dự báo chức năng chuyển giao là trong Dự báo với Mô hình hồi quy động của Pankratz . Một lần nữa phong cách viết là hoàn toàn tuyệt vời.
5. Một cách cực kỳ hữu ích khác nếu bạn áp dụng dự báo để giải quyết các vấn đề trong thế giới thực là Nguyên tắc Dự báo của Armstrong.

Theo tôi, sách 1, 4 và 5 là một trong những cuốn sách hay nhất. Nhiều người thích Nguyên tắc và Thực hành Dự báo của Hyndman và Athanasopoulos vì đây là nguồn mở và có Rmã. Không có cách nào gần với bề rộng, độ sâu của phạm vi của các phương pháp dự báo và phong cách viết của người tiền nhiệm Makridakis et al .. Dưới đây là một số tính năng tương phản về lý do tại sao tôi thích Makridakis et al:

1. Danh sách tài liệu tham khảo: ví dụ trong chương Box Jenkins Makridakis et al có ~ 31 tài liệu tham khảo, Hyndman et al có rất ít hoặc không có tài liệu tham khảo trong nhiều chương.
2. Độ rộng và độ sâu trong vùng phủ sóng - Hyndman et al. chủ yếu tập trung vào các phương pháp Univariate đặc biệt được phát triển bởi tác giả đầu tiên, trong khi Makridakis et. al không chỉ tập trung vào nghiên cứu của riêng họ mà còn rất nhiều phương pháp và ứng dụng và cũng nhấn mạnh vào ứng dụng và học tập trong thế giới thực, trái ngược với việc tập trung vào học thuật hơn.
3. Phong cách viết - Tôi thực sự không thể phàn nàn vì cả hai cuốn sách đều được viết rất tốt. Tuy nhiên, cá nhân tôi nghiêng về Makridakis vì nó tập trung các khái niệm phức tạp vào các phần thân thiện với người đọc. Có một phần về hồi quy động hoặc các hàm truyền, tôi không có nơi nào gặp phải lời giải thích rõ ràng như vậy về "phương pháp phức tạp" này. Cần có tài năng viết phi thường để giúp người đọc hiểu được hồi quy động là gì trong 15 trang và họ đã thành công với nó.
4. Makridakis et al là bất khả tri về phần mềm / phương pháp và họ liệt kê một số gói phần mềm hữu ích và so sánh và đối chiếu chúng (mặc dù điều này đã gần 20 tuổi) vẫn rất có giá trị đối với một học viên.
5. Ba chương dành riêng về cách áp dụng dự báo trong thế giới thực trong Makridakis et al. đó là điểm cộng lớn cần có cho một học viên.

Dự báo chỉ đơn giản là không chạy các phương thức đơn biến như arima và làm mịn theo cấp số nhân và sản xuất đầu ra. Nó còn hơn thế nữa, và đặc biệt là dự báo chiến lược khi bạn đang nhìn vào chân trời dài hơn. Nguyên tắc dự báo của Armstrong vượt xa các phương pháp ngoại suy đơn biến và rất được khuyến khích cho bất kỳ ai thực hiện dự báo thế giới thực, đặc biệt là dự báo chiến lược.

Nó phụ thuộc vào bao nhiêu toán bạn muốn. Đối với một điều trị ít toán học hơn, Chuỗi thời gian kinh tế học ứng dụng của Enders được đánh giá cao.

Phần thứ tư của Kinh tế lượng cơ bản của Damodar Gujarati và Dawn Porter (tái bản lần thứ 5) có năm chương về kinh tế lượng theo chuỗi thời gian - một cuốn sách rất nổi tiếng! Nó chứa rất nhiều bài tập, kết quả hồi quy, diễn giải và tốt nhất là bạn có thể tải xuống dữ liệu từ trang web của cuốn sách và sao chép kết quả cho chính mình. Một cuốn sách hay khác là Giới thiệu về Kinh tế lượng của Stock và Watson .

Bắt đầu với Hamilton thật đáng ngưỡng mộ, nhưng tôi muốn đọc qua cả hai phần của chuỗi thời gian trong hai cuốn sách mà tôi vừa đề cập và sau đó chuyển sang một thứ như Chuỗi thời gian kinh tế học ứng dụng của Walter Enders hoặc Mô hình tài chính của Terrence C Mill Chuỗi thời gian .

Sau này (và có lẽ sau một số đánh giá về kinh tế toán học) thì bạn sẽ có thể ngồi xuống và đọc Hamilton một cách thoải mái.

Lưu ý: Phân tích chuỗi thời gian kinh điển năm 1970 của Box & Jenkins: Dự báo và kiểm soát rõ ràng tập trung hơn (nghĩa là hẹp hơn về nội dung) so với "sách giáo khoa hiện đại" mà tôi đã đề cập, nhưng tôi nói rằng bất kỳ ai muốn hiểu rõ thực sự của chuỗi thời gian không nên để điều này ra khỏi danh sách đọc của họ.

Ngoài các văn bản khác, còn có hai cuốn sách giới thiệu trong Springer Use R! chuỗi bao gồm chuỗi thời gian:
Chuỗi thời gian giới thiệu với R và Kinh tế lượng ứng dụng trong R

Ngoài ra còn có một toán kinh tế văn bản tiên tiến trong series, Phân tích tổng hợp và Series Time Co-tích hợp với R .

Tôi đã không sử dụng những thứ này nhưng đã tìm thấy một số người khác trong loạt phim là tuyệt vời.

Có một số tài nguyên trực tuyến tốt, miễn phí:

1. Cuốn sách nhỏ về R cho dòng thời gian , của Avril Coghlan (cũng có thể in, giá rẻ một cách hợp lý) - Tôi chưa đọc hết cuốn sách này, nhưng có vẻ như nó được viết tốt, có một số ví dụ hay và bắt đầu từ đầu ( tức là. dễ dàng để có được vào).
2. Chương 15, Thống kê với R , của Vincent Zoonekynd - Giới thiệu về Decent, nhưng có lẽ cao cấp hơn một chút. Tôi thấy rằng có quá nhiều mã (nhận xét kém) và không đủ giải thích về mã đó.

Nếu bạn thấy Hamilton quá khó khăn thì có Giới thiệu về Mô hình hóa kinh tế Princeton Uni Press của Bent Nielsen và David Hendry. Nó tập trung nhiều hơn vào trực giác và cách thực hành hơn là lý thuyết sâu sắc hơn. Vì vậy, nếu bạn đang bị hạn chế về thời gian thì đó sẽ là một cách tiếp cận tốt.

Tôi vẫn khuyên bạn nên kiên trì với Phân tích chuỗi thời gian của Hamilton. Nó rất sâu về mặt toán học và bốn chương đầu tiên sẽ giúp bạn tiếp tục trong một thời gian dài và đóng vai trò giới thiệu rất mạnh mẽ về chủ đề này. Nó cũng bao gồm Granger phi nhân quả và hợp nhất và nếu bạn quyết định theo đuổi chủ đề này sâu sắc hơn thì đó là tài nguyên vô giá.

Để điều trị trực quan hơn về hợp nhất, tôi cũng sẽ đề xuất Hợp nhất, Nhân quả và Dự báo của Engle và White.

Cuối cùng, đối với các phương pháp điều trị rất tiên tiến, có cuốn sách "Suy luận dựa trên khả năng sống trong các VAR hợp nhất" của Soren Johansen và dĩ nhiên là "Kinh tế lượng động" của David Hendry.

Trong số hai người đó, tôi sẽ nghĩ rằng Hendry's thiên về hình ảnh lớn hơn và Johansen khá khó tính với môn toán.

Phân tích chuỗi thời gian: Phương pháp đơn biến và đa biến của William Wei và David P. Reilly - là một cuốn sách rất hay về chuỗi thời gian và khá thiếu kinh nghiệm. Có phiên bản cập nhật nhưng với giá cao hơn nhiều. Nó không bao gồm các ví dụ R. Nó rõ ràng bao gồm một cuộc thảo luận / trình bày tuyệt vời về các thủ tục Phát hiện Can thiệp bị bỏ qua trong các giải pháp đơn giản / sách giáo khoa giới thiệu.

Có Viện Mùa hè NBER "Có gì mới trong Kinh tế lượng Dòng thời gian" (không chắc liệu tài liệu này có bị kiểm soát hay không). Có video với các slide đi kèm. Các bài giảng được đưa ra bởi một cặp giáo sư (Stock và Watson), người được biết đến với sách giáo khoa kinh tế lượng đại học phổ biến của họ.

Theo tôi, bạn thực sự không thể đánh bại Dự báo: nguyên tắc và thực hành. Nó được viết bởi Rob Hyndman và George Athanasopoulos của CV, nó có sẵn trực tuyến miễn phí và nó có hàng tấn mã ví dụ trong R, sử dụng gói dự báo tuyệt vời .

Nếu bạn sử dụng Stata, Giới thiệu về Chuỗi thời gian Sử dụng Stata của Sean Becketti là một giới thiệu nhẹ nhàng vững chắc, với nhiều ví dụ và nhấn mạnh vào trực giác về lý thuyết. Tôi nghĩ cuốn sách này sẽ bổ sung cho Ender khá tốt.

Cuốn sách mở đầu bằng một đoạn giới thiệu về ngôn ngữ Stata, sau đó là phần đánh giá nhanh về hồi quy và kiểm tra giả thuyết.

Phần chuỗi thời gian bắt đầu với các kỹ thuật Winters di chuyển trung bình và trung bình để làm mịn và dự báo dữ liệu. Phần tiếp theo tập trung vào việc sử dụng chúng cho các kỹ thuật dự báo. Các phương pháp này thường bị bỏ qua, nhưng chúng hoạt động khá tốt để dự báo tự động và dễ giải thích. Becketti giải thích khi nào họ sẽ làm việc và khi nào họ sẽ không làm việc.

Các chương tiếp theo bao gồm các mô hình chuỗi thời gian phương trình đơn như nhiễu loạn tự động, mô hình ARIMA và mô hình ARCH / GARCH.

Cuối cùng, Becketti thảo luận về các mô hình đa phương trình, đặc biệt là VAR và VEC và chuỗi thời gian không cố định.

Có một vài cuốn sách có thể hữu ích. Nếu bạn bị thách thức về mặt toán học, bạn có thể muốn bắt đầu với hai cuốn sách SAGE của Mcdowall, Mcleary, Meidinger và Hay được gọi là "Phân tích chuỗi thời gian bị gián đoạn" 1980 HOẶC "Phân tích chuỗi thời gian áp dụng" của Richard McLeary. Khi bạn tìm hiểu thêm về chuỗi thời gian và quyết định rằng bạn muốn nhiều hơn văn xuôi và bạn sẵn sàng chịu đựng một số phép toán, văn bản Wei do Addison-Wessley xuất bản có tên "Phân tích chuỗi thời gian" sẽ là một lựa chọn tuyệt vời. Về tài liệu giáo dục dựa trên web, tôi đã viết rất nhiều tài liệu hữu ích có thể xem tại http://www.autobox.com/cms/index.php/afs-university/intro-to-forecasting có tên "Giới thiệu Dự báo ".

HILL GRIFFITHS LIM 2011 "Nguyên tắc kinh tế lượng" 4E Wiley
Ưu điểm:
(1) Rất dễ thực hiện. Các chủ đề được trình bày tốt. Mặc dù tôi không tham gia bất kỳ khóa học kinh tế lượng nào trong đời, tôi vẫn dễ dàng nắm bắt được kinh tế lượng giới thiệu với cuốn sách.

(2) Có những cuốn sách thay thế để hiểu cuốn sách của HILL:
a. Sử dụng EViews cho các nguyên tắc của Kinh tế lượng
b. Sử dụng Excel cho các nguyên tắc của Kinh tế lượng
c. Sử dụng Gretl cho các nguyên tắc của Kinh tế lượng
d. Sử dụng Stata cho các nguyên tắc của Kinh tế lượng

Nhược điểm:
(1) Không có "Sử dụng R cho Nguyên tắc Kinh tế lượng"!
R là tiêu chuẩn công nghiệp. R tốt hơn Python. Toán học trong tâm trí có thể được phản ánh tốt nhất vào mã thông qua R (Tôi đang nói điều này như một người đã viết các mô-đun VBA trong Excel, viết mã Gretl, viết mã Eview).

Tôi tự khởi động Kinh tế lượng với "Phân tích kinh tế lượng XANH 2011 - WH GREENE 7E PearsonPrentice Hall" Điều này cũng hay, nhưng nhiều lý thuyết hơn; có thể khó khăn cho người mới bắt đầu.

Tóm lại, tôi thực sự khuyên bạn nên nắm bắt Kinh tế lượng với cuốn sách của Hill và áp dụng sự hiểu biết đó thông qua một cuốn sách Kinh tế lượng khác dựa trên R.