內(nèi)容簡介:　　本書介紹了多元時(shí)間序列數(shù)據(jù)的基本概念和思想，并用R軟件來展示所有的方法和模型。本書共分為7章，其主要內(nèi)容為多元時(shí)間序列的基本概念、向量自回歸（VAR）模型、向量自回歸移動(dòng)平均（VARMA）模型、多元時(shí)間序列的結(jié)構(gòu)設(shè)定、單位根非平穩(wěn)和協(xié)整問題、因子模型和一些特定的多元時(shí)間序列主題、多元波動(dòng)率模型。全書應(yīng)用實(shí)際的例子，并用R軟件來說明分析方法。本書可作為高等院校統(tǒng)計(jì)學(xué)、金融學(xué)等相關(guān)專業(yè)高年級(jí)本科生或研究生的時(shí)間序列分析教材，也可供相關(guān)專業(yè)研究人員參考。

目錄:譯者序
前言
致謝
第1章多元線性時(shí)間序列
1.1 引言
1.2基本概念
1.2.1平穩(wěn)性
1.2.2線性
1.2.3可逆性
1.3交叉協(xié)方差和相關(guān)矩陣
1.4樣本CCM
1.5零交叉相關(guān)性的檢驗(yàn)
1.6預(yù)測
1.7模型表示
1.8本書的結(jié)構(gòu)
1.9軟件
練習(xí)
參考文獻(xiàn)
第2章平穩(wěn)向量自回歸時(shí)間序列
2.1引言
2.2VAR（1）模型
2.2.1模型結(jié)構(gòu)和格蘭杰因果關(guān)系
2.2.2傳遞函數(shù)模型的相關(guān)性
2.2.3平穩(wěn)條件
2.2.4可逆性
2.2.5矩方程
2.2.6分量的隱含模型
2.2.7移動(dòng)平均表達(dá)式
2.3VAR（2）模型
2.3.1平穩(wěn)條件
2.3.2矩方程
2.3.3隱含的邊際分量模型
2.3.4移動(dòng)平均表達(dá)式
2.4VAR（p）模型
2.4.1一個(gè)VAR（1）表達(dá)式
2.4.2平穩(wěn)條件
2.4.3矩方程
2.4.4隱含的分量模型
2.4.5移動(dòng)平均表達(dá)式
2.5估計(jì)
2.5.1最小二乘方法
2.5.2極大似然估計(jì)
2.5.3LS估計(jì)的極限性質(zhì)
2.5.4貝葉斯估計(jì)
2.6階選擇
2.6.1序列似然比檢驗(yàn)
2.6.2信息準(zhǔn)則
2.7模型檢驗(yàn)
2.7.1殘差交叉相關(guān)性
2.7.2多元混成統(tǒng)計(jì)
2.7.3模型簡化
2.8線性約束
2.9預(yù)測
2.9.1給定模型的預(yù)測
2.9.2估計(jì)模型的預(yù)測
2.10脈沖響應(yīng)函數(shù)
2.10.1正交新息
2.11預(yù)測誤差方差分解
2.12證明
練習(xí)
參考文獻(xiàn)
第3章向量自回歸移動(dòng)平均時(shí)間序列
3.1向量MA模型
3.1.1VMA（1）模型
3.1.2VMA（q）模型的性質(zhì)
3.2設(shè)定VMA 階
3.3VMA模型的估計(jì)
3.3.1條件似然估計(jì)
3.3.2精確似然估計(jì)
3.3.3初始參數(shù)估計(jì)
3.4VMA模型預(yù)測
3.5VARMA模型
3.5.1可識(shí)別性
3.5.2VARMA（1,1）模型
3.5.3VARMA模型的一些性質(zhì)
3.6VARMA模型的隱含關(guān)系
3.6.1格蘭杰因果關(guān)系
3.6.2脈沖響應(yīng)函數(shù)
3.7VARMA過程的線性變換
3.8VARMA過程的時(shí)間聚合
3.9VARMA模型的似然函數(shù)
3.9.1條件似然函數(shù)
3.9.2精確似然函數(shù)
3.9.3解釋似然函數(shù)
3.9.4似然函數(shù)計(jì)算
3.10精確似然函數(shù)的新息方法
3.10.1塊Cholesky 分解
3.11極大似然估計(jì)的漸近分布
3.11.1線性參數(shù)約束
3.12擬合VARMA模型的模型檢驗(yàn)
3.13VARMA模型預(yù)測
3.13.1預(yù)測更新
3.14初次階識(shí)別
3.14.1一致AR估計(jì)
3.14.2擴(kuò)展的交叉相關(guān)矩陣
3.14.3匯總雙向表
3.15VARMA模型的實(shí)證分析
3.15.1個(gè)人收入與支出
3.15.2房屋開工率和房貸利率
3.16附錄
練習(xí)
參考文獻(xiàn)
第4章VARMA模型的結(jié)構(gòu)設(shè)定
4.1Kronecker 指數(shù)方法
4.1.1預(yù)測解釋
4.1.2VARMA設(shè)定
4.1.3一個(gè)說明性的例子
4.1.4Echelon形式
4.1.5續(xù)例
4.2標(biāo)量分量方法
4.2.1標(biāo)量分量模型
4.2.2模型設(shè)定與標(biāo)量分量模型
4.2.3冗余參數(shù)
4.2.4VARMA 模型設(shè)定
4.2.5變換矩陣
4.3階數(shù)設(shè)定的統(tǒng)計(jì)量
4.3.1降秩檢驗(yàn)
4.4求解Kronecker指數(shù)
4.4.1應(yīng)用
4.5求解標(biāo)量分量模型
4.5.1標(biāo)量分量模型的含義
4.5.2可交換標(biāo)量分量模型
4.5.3求解標(biāo)量分量
4.5.4應(yīng)用
4.6估計(jì)
4.6.1Kronecker指數(shù)方法的解釋
4.6.2SCM方法的解釋
4.7例子
4.7.1SCM方法
4.7.2Kronecker指數(shù)方法
4.7.3討論和比較
4.8附錄：典型相關(guān)分析
練習(xí)
參考文獻(xiàn)
第5章單位根非平穩(wěn)過程
5.1一元單位根過程
5.1.1動(dòng)機(jī)
5.1.2平穩(wěn)單位根
5.1.3AR(1)模型
5.1.4AR(p)模型
5.1.5MA(1)模型
5.1.6單位根檢驗(yàn)
5.1.7例子
5.2多元單位根過程
5.2.1等價(jià)模型表示法
5.2.2單位根VAR過程
5.3偽回歸
5.4多元變量指數(shù)平滑過程
5.5協(xié)整關(guān)系
5.5.1一個(gè)協(xié)整的例子
5.5.2協(xié)整性的一些說明
5.6誤差修正模型
5.7協(xié)整向量的含義
5.7.1確定性項(xiàng)的含義
5.7.2移動(dòng)平均表示法的含義
5.8協(xié)整向量的參數(shù)化
5.9協(xié)整檢驗(yàn)
5.9.1VAR模型
5.9.2確定性項(xiàng)的設(shè)定
5.9.3似然比檢驗(yàn)小結(jié)
5.9.4對(duì)VAR模型的協(xié)整檢驗(yàn)
5.9.5案例
5.9.6VARMA模型的協(xié)整檢驗(yàn)
5.10誤差修正模型的估計(jì)
5.10.1VAR模型
5.10.2簡化回歸模型
5.10.3VARMA模型
5.11應(yīng)用
5.12討論
5.13附錄
練習(xí)
參考文獻(xiàn)
第6章因子模型和其他問題
6.1季節(jié)模型
6.2主成分分析
6.3外生變量的運(yùn)用
6.3.1VARX模型
6.3.2回歸模型
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擴(kuò)散指數(shù)模型
6.5.4動(dòng)態(tài)因子模型
6.5.5約束因子模型
6.5.6漸近主成分分析
6.6分類和聚類分析
6.6.1聚類分析
6.6.2貝葉斯估計(jì)
6.6.3馬爾科夫鏈蒙特卡洛法
練習(xí)
參考文獻(xiàn)
第7章多元波動(dòng)率模型
7.1條件異方差檢驗(yàn)
7.1.1混成檢驗(yàn)
7.1.2基于秩的檢驗(yàn)
7.1.3模擬
7.1.4應(yīng)用
7.2多元波動(dòng)率模型估計(jì)
7.3波動(dòng)率模型的診斷檢驗(yàn)
7.3.1Ling和Li 統(tǒng)計(jì)量
7.3.2Tse統(tǒng)計(jì)量
7.4指數(shù)加權(quán)移動(dòng)平均
7.5BEKK模型
7.5.1討論
7.6Cholesky分解和波動(dòng)率建模
7.6.1波動(dòng)率建模
7.6.2應(yīng)用
7.7動(dòng)態(tài)條件相關(guān)模型
7.7.1建立DCC模型的過程
7.7.2例子
7.8正交變換
7.8.1Go GARCH模型
7.8.2動(dòng)態(tài)正交分量
7.8.3DOC存在性檢驗(yàn)
7.9基于Copula函數(shù)模型
7.9.1Copula函數(shù)
7.9.2高斯和t copula函數(shù)
7.9.3多元波動(dòng)率建模
7.10主波動(dòng)成分
練習(xí)
參考文獻(xiàn)
附錄A數(shù)學(xué)與統(tǒng)計(jì)學(xué)