编辑推荐
null
内容简介
蒂莫·泰雷斯维尔塔、达格·琴施泰姆、克莱夫·格兰杰著的《非线性经济时间序列建模(精)/诺贝尔经济学奖经典文库》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。
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 1.8 Wold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 8.5 GARCH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
媒体评论
null
