Książki do samodzielnej analizy szeregów czasowych?

Zacząłem od analizy szeregów czasowych Hamiltona, ale gubię się beznadziejnie. Ta książka jest naprawdę zbyt teoretyczna, żebym mogła się jej nauczyć.

Czy ktoś ma zalecenie dotyczące podręcznika do analizy szeregów czasowych, który jest odpowiedni do samodzielnego studiowania?

Poleciłbym następujące książki:

1. Analiza szeregów czasowych i jej zastosowania: z przykładami R.
2. Analiza szeregów czasowych i prognozowanie według przykładów

Mam nadzieję, że Ci to pomoże. Powodzenia!

Prognozowanie: zasady i praktyka Rob J Hyndman i George Athanasopoulos są dostępne bezpłatnie online: http://otexts.com/fpp/

To dobra książka sama w sobie; Poprzednia książka Hyndmana o prognozach z Makridakis i Wheelright jest bardzo ceniona, ale ma tę dodatkową zaletę, że możesz zobaczyć, co dostajesz za tę cenę.

Są trzy książki, do których ciągle się odwołuję z perspektywy Rprogramowania i analizy szeregów czasowych:

1. Analiza szeregów czasowych i jej zastosowania: z przykładami R. Shumwaya i Stoffera
2. Analiza szeregów czasowych: z aplikacjami w R autorstwa Cryer'a i Chana.
3. Wstępne szeregi czasowe z R autorstwa Cowpertwait i Metcalfe

Pierwsza książka Shumwaya i Stoffera ma wersję open source (skróconą) dostępną online o nazwie EZgreen.

Jeśli szczególnie interesuje Cię prognozowanie szeregów czasowych, polecam następujące książki:

1. Metody i aplikacje prognozowania Makridakis, Wheelwright i Hyndman. Ciągle odnoszę się do tej książki. To klasyczny, styl pisania jest absolutnie fenomenalny.
2. Online następcą powyższej książki z ładnymi przykładami R są Zasady prognozowania i praktyka Hyndmana i Athanasopoulosa.
3. Jeśli patrzysz na klasyczne podejście do modelowania Boxa Jenkinsa, poleciłbym analizę szeregów czasowych: prognozowanie i sterowanie przez Boxa, Jenkinsa i Reinsela.
4. Wyjątkowym podejściem do modelowania i prognozowania funkcji przenoszenia jest prognozowanie za pomocą dynamicznych modeli regresji firmy Pankratz . Znów styl pisania jest absolutnie świetny.
5. Innym niezwykle przydatnym narzędziem do prognozowania w celu rozwiązania rzeczywistych problemów są Zasady prognozowania według Armstronga.

Moim zdaniem książki 1, 4 i 5 są jednymi z najlepszych z najlepszych. Wiele osób lubi zasady prognozowania i praktyki Hyndmana i Athanasopoulosa, ponieważ jest to oprogramowanie typu open source i zawiera Rkody. Nie jest on bliższy szerokości, głębokości zasięgu metod prognozowania i stylu pisania jego poprzednika Makridakis i in. .. Poniżej znajdują się niektóre kontrastujące cechy, dlaczego lubię Makridakis i in .:

1. Lista odnośników: na przykład w rozdziale Box Jenkins Makridakis i wsp. Ma ~ 31 odnośników, Hyndman i wsp. W wielu rozdziałach jest bardzo mało lub nie ma żadnych odniesień.
2. Szerokość i głębokość zasięgu - Hyndman i in. skupiają się głównie na metodach Univariate opracowanych specjalnie przez pierwszego autora, podczas gdy Makridakis i in. koncentrują się nie tylko na własnych badaniach, ale także na szerokiej gamie metod i zastosowań, a także na zastosowaniu i uczeniu się w świecie rzeczywistym, a nie na bardziej akademickim podejściu.
3. Styl pisania - naprawdę nie mogę narzekać, ponieważ obie książki są wyjątkowo dobrze napisane. Jednak osobiście skłaniam się ku Makridakisowi, ponieważ sprowadza złożone koncepcje do sekcji przyjaznych czytelnikowi. Jest sekcja na temat regresji dynamicznej lub funkcji transferu, nie spotkałem się z tak jasnym wyjaśnieniem tej „złożonej metody”. Potrzeba niezwykłego talentu do pisania, aby pomóc czytelnikowi zrozumieć, czym jest regresja dynamiczna na 15 stronach i im się to udaje.
4. Makridakis i wsp. Są agnostykami w stosunku do oprogramowania i zawierają listę użytecznych pakietów oprogramowania oraz porównują je i porównują (chociaż ma prawie 20 lat), co jest nadal bardzo cenne dla praktyka.
5. Trzy dedykowane rozdziały dotyczące zastosowania prognozowania w świecie rzeczywistym w Makridakis i in. co jest dużym plusem dla praktyka.

Prognozowanie po prostu nie uruchamia metod jednowymiarowych, takich jak arima i wygładzanie wykładnicze oraz generowanie wyników. To znacznie więcej, a zwłaszcza prognozowanie strategiczne, gdy patrzysz na dłuższy horyzont. Zasady prognozowania przez Armstronga wykraczają poza jednoznaczne metody ekstrapolacji i są wysoce zalecane dla każdego, kto wykonuje prognozy w świecie rzeczywistym, szczególnie prognozy strategiczne.

To zależy od tego, ile matematyki chcesz. W przypadku mniej intensywnego matematycznie leczenia dobrze stosowana jest Szereg Czasowy Zastosowań Ekonometrycznych firmy Enders .

Część czwarta podstawowych ekonometrii Damodara Gujarati i Dawn Porter (wydanie piąte) zawiera pięć rozdziałów dotyczących ekonometrii szeregów czasowych - bardzo popularnej książki! Zawiera wiele ćwiczeń, wyniki regresji, interpretacje, a co najważniejsze, możesz pobrać dane ze strony internetowej książki i powtórzyć wyniki dla siebie. Inną dobrą książką jest Stock and Watson's Introduction to Econometrics .

Rozpoczynanie od Hamiltona było godne podziwu, ale powiedziałbym, że przeczytałem obie sekcje szeregów czasowych w dwóch książkach, o których właśnie wspomniałem, a następnie przejdę do czegoś w rodzaju ekonometrycznych szeregów czasowych Waltera Endersa lub Modelowania finansów Terrence'a Cilla Szeregi czasowe .

Po tym (i prawdopodobnie po pewnym przeglądzie ekonomii matematycznej) powinieneś być w stanie usiąść i wygodnie czytać Hamiltona.

Uwaga: Klasyczna analiza Box & Jenkins z 1970 roku Szeregi czasowe: Prognozowanie i kontrola są oczywiście bardziej skoncentrowane (tj. Węższe pod względem treści) niż „nowoczesne podręczniki”, o których wspomniałem, ale powiedziałbym, że każdy, kto chce naprawdę dobrze zrozumieć szeregów czasowych nie powinny pozostawiać tego poza ich listą do czytania.

Oprócz drugiego tekstu w Springer Use R są dwie książki wprowadzające! Szeregi obejmujące szeregi czasowe:
Wstępne szeregi czasowe z R i ekonometria stosowana w R

Jest też zaawansowany tekst ekonometrii w serii, Analiza zintegrowanych i Współpracy Zintegrowany czas szeregowo z R .

Nie korzystałem z nich, ale znalazłem kilka innych w tej serii, które są doskonałe.

Istnieje kilka dobrych, bezpłatnych zasobów online:

1. The Little Book of R for Time Series , autor: Avril Coghlan (dostępny również w wersji drukowanej, stosunkowo niedrogi) - nie przeczytałem tego wszystkiego, ale wygląda na to, że jest dobrze napisany, ma kilka dobrych przykładów i zaczyna się od zera ( tj. łatwo się dostać).
2. Rozdział 15, Statystyka z R , autor: Vincent Zoonekynd - Przyzwoite wprowadzenie, ale prawdopodobnie nieco bardziej zaawansowane. Uważam, że jest za dużo (źle skomentowane) kodu i za mało jego wyjaśnienia.

Jeśli uważasz, że Hamilton jest zbyt trudny, jest Wprowadzenie do modelowania ekonometrycznego Princeton Uni Press autorstwa Benta Nielsena i Davida Hendry'ego. Koncentruje się bardziej na intuicji i praktycznych poradnikach niż na pogłębionej teorii. Więc jeśli jesteś ograniczony czasowo, byłoby to dobre podejście.

Nadal zalecałbym wytrwanie w analizie szeregów czasowych Hamilton. Jest bardzo głęboka matematycznie, a pierwsze cztery rozdziały utrzymają cię przez długi czas i stanowią bardzo mocne wprowadzenie do tematu. Obejmuje to również przyczynowość i integrację Grangera, a jeśli zdecydujesz się na głębsze zajęcie się tym tematem, znajdziesz go w nieocenionych zasobach.

Dla bardziej intuicyjnego traktowania kointegracji poleciłbym także kointegrację, przyczynowość i prognozowanie Engle'a i White'a.

Wreszcie na temat bardzo zaawansowanych terapii znajduje się książka Sorena Johansena „Wnioskowanie oparte na prawdopodobieństwie w zintegrowanych VAR” i oczywiście „Dynamiczna ekonometria” Davida Hendry'ego.

Spośród tych dwóch uważam, że Hendry jest bardziej zorientowany na duży obraz, a Johansen jest dość trudny z matematyki.

Analiza szeregów czasowych : metody jedno- i wielowymiarowe Williama Wei i Davida P. Reilly'ego - to bardzo dobra książka na temat szeregów czasowych i dość mało zrozumiała. Jest zaktualizowana wersja, ale w znacznie wyższej cenie. Nie obejmuje przykładów R. Zawiera wyraźną dyskusję / prezentację procedur wykrywania interwencji, które są ignorowane w uproszczonych rozwiązaniach / podręcznikach wprowadzających.

Istnieje Instytut NBER Summer Institute „Co nowego w ekonometrii szeregów czasowych” (nie jestem pewien, czy ten materiał jest bramkowany, czy nie). Istnieją filmy z towarzyszącymi slajdami. Wykłady są prowadzone przez parę profesorów (Stock i Watson), którzy są znani ze swojego popularnego licencjackiego podręcznika ekonometrii.

Moim zdaniem naprawdę nie można pokonać Prognozowania: zasad i praktyki. Jest napisany przez własnego CV Roba Hyndmana i George'a Athanasopoulosa, jest dostępny za darmo online i ma mnóstwo przykładowego kodu w języku R, wykorzystując doskonały pakiet prognozy .

Jeśli używasz Staty, Wprowadzenie do szeregów czasowych Używanie Staty przez Seana Beckettiego jest solidnym, delikatnym wprowadzeniem, z wieloma przykładami i naciskiem na intuicję nad teorią. Myślę, że ta książka raczej dobrze uzupełni Endera.

Książka rozpoczyna się od wprowadzenia do języka Stata, a następnie szybkiego przeglądu regresji i testowania hipotez.

Część szeregów czasowych rozpoczyna się od średniej ruchomej i technik Holta – Wintersa w celu wygładzenia i prognozowania danych. Następna sekcja skupia się na wykorzystaniu ich do prognozowania technik. Metody te są często zaniedbywane, ale działają raczej dobrze w przypadku automatycznego prognozowania i są łatwe do wyjaśnienia. Becketti wyjaśnia, kiedy będą pracować, a kiedy nie.

Kolejne rozdziały dotyczą modeli szeregów czasowych z jednym równaniem, takich jak zaburzenia autokorelowane, modelowanie ARIMA i modelowanie ARCH / GARCH.

Na koniec Becketti omawia modele z wieloma równaniami, szczególnie VAR i VEC oraz niestacjonarne szeregi czasowe.

Istnieje kilka książek, które mogą być przydatne. Jeśli masz matematyczne wyzwanie, możesz zacząć od dwóch książek SAGE autorstwa Mcdowall, Mcleary, Meidinger i Hay o nazwie „Przerwana analiza szeregów czasowych” 1980 LUB „Applied Time Series Analysis” Richarda McLeary'ego. Gdy dowiesz się więcej o szeregach czasowych i zdecydujesz, że chcesz czegoś więcej niż prozy i że zechcesz cierpieć z powodu matematyki, tekst Wei opublikowany przez Addisona-Wessleya zatytułowany „Analiza szeregów czasowych” byłby doskonałym wyborem. Jeśli chodzi o internetowe materiały edukacyjne, napisałem wiele przydatnych materiałów, które można obejrzeć na stronie http://www.autobox.com/cms/index.php/afs-university/intro-to-forecasting pod tytułem „Wprowadzenie do prognozowania ”.

HILL GRIFFITHS LIM 2011 „Zasady ekonometrii” 4E
Zalety Wiley :
(1) Bardzo łatwe do naśladowania. Tematy są dobrze przedstawione. Mimo że w życiu nie brałem udziału w kursie ekonometrycznym, z łatwością pojąłem ekonometrię wprowadzającą z książką.

(2) Istnieje supplemantary książki do zrozumienia książki HILL:
a. Korzystanie z EViews do zasad ekonometrii
b. Korzystanie z programu Excel dla zasad ekonometrii
c. Korzystanie z Gretla dla zasad ekonometrii
d. Korzystanie ze Stata dla zasad ekonometrii

Wady:
(1) Nie ma „używania R do zasad ekonometrii”!
R jest standardem branżowym. R jest lepszy niż Python. Pamięć matematyczną najlepiej odzwierciedlić w kodzie za pomocą R (mówię to jako osoba, która napisała moduły VBA w Excelu, napisała kody Gretl, napisała kody Eviews).

Założyłem ekonometrię z „Analizą ekonometryczną GREENE 2011 - WH GREENE 7E PearsonPrentice Hall”. Jest to również fajne, ale bardziej teoretyczne; może być trudne na początek.

Podsumowując, zdecydowanie zalecam chwytanie ekonometrii za pomocą książki Hilla i stosowanie tego zrozumienia w innej książce o ekonometrii opartej na R.