Книги для самостійного вивчення часових рядів?

Я почав з аналізу часових рядів Гамільтона, але я втрачаю безнадійно. Ця книга насправді занадто теоретична для мене, щоб її навчитися самостійно.

Хтось має рекомендацію до підручника з аналізу часових рядів, який підходить для самостійного вивчення?

Я б рекомендував наступні книги:

1. Аналіз часових рядів та його застосування: з R-прикладами
2. Аналіз часових рядів та прогнозування за прикладом

Я сподіваюся, що це вам допоможе. Удачі!

Прогнозування: принципи та практика Роб Дж Хандман та Джордж Атанасопулос доступні безкоштовно в Інтернеті: http://otexts.com/fpp/

Це сама хороша книга; Попередня книга прогнозування Hyndman з Макрідакіс та Wheelright високо цінується, але це має додаткову перевагу, що ви можете побачити, що ви отримуєте за ціну.

Є три книги, на які я завжди згадуюсь з Rточки зору програмування та аналізу часових рядів:

1. Аналіз часових рядів та його застосування: із прикладами R Shumway та Stoffer
2. Аналіз часових рядів: З додатками в R за допомогою Cryer і Chan.
3. Вступний часовий ряд з R від Cowpertwait та Metcalfe

Перша книга Shumway and Stoffer має відкриту (скорочену) версію, доступну в Інтернеті під назвою EZgreen version.

Якщо ви конкретно вивчаєте прогнозування часових рядів, я рекомендую наступні книги:

1. Методи та програми прогнозування Макрідакіс, Уіллерайт і Хандман. Я не раз посилаюся на цю книгу. Це класичний стиль написання абсолютно феноменальний.
2. Інтернет-наступник вищевказаної книги з приємними R-прикладами - Принципи прогнозування та практики Гіндмана та Атанасопулоса.
3. Якщо ви дивитесь на класичний підхід до моделювання Box Jenkins, я рекомендував би аналіз часових рядів: прогнозування та контроль за Box, Jenkins та Reinsel.
4. Винятковим методом моделювання та прогнозування функцій передачі є прогнозування за допомогою моделей динамічної регресії Pankratz . Знову стиль письма абсолютно чудовий.
5. Іншим надзвичайно корисним для застосування прогнозування для вирішення реальних проблем є Принципи прогнозування Армстронга.

На мою думку, книги 1, 4 і 5 - одні з найкращих з найкращих книг. Багатьом подобається принципи та практики прогнозування Гідман та Атанасопулос, оскільки це відкритий код та має Rкоди. Це аж ніяк не ближче до ширини, глибини висвітлення методів прогнозування та стилю написання цього попередника Макрідакіс та ін. Нижче наведено декілька контрастних особливостей того, чому мені подобаються Makridakis et al:

1. Список посилань: наприклад, у розділі Box Jenkins Макридакіс та ін є близько 31 посилань, Hyndman et al у багатьох главах є дуже мало або взагалі немає посилань.
2. Ширина і глибина покриття - Hyndman et al. в основному зосереджуються на методах Univariate, особливо розроблених першим автором, тоді як Makridakis et. al зосереджується не тільки на власних дослідженнях, але на широкому спектрі методів та застосувань, а також наголошується на застосуванні та навчанні в реальному світі, а не на більш академічній основі.
3. Стиль письма - я дуже не можу скаржитися, оскільки обидві книги надзвичайно добре написані. Однак я особисто схиляюся до Макрідакіса, тому що це зводить складні поняття на зручні для читачів розділи. Є розділ про динамічну регресію або функції передачі, я не маю, де стикався з таким чітким поясненням цього "складного методу". Потрібен надзвичайний талант письма, щоб допомогти читачеві зрозуміти, що таке динамічна регресія на 15 сторінках, і їм це вдається.
4. Makridakis та ін є агностиком програмного забезпечення / методу, і вони перелічують деякі корисні програмні пакети та порівнюють їх і протиставляють (хоча це майже 20 років) все ще є дуже цінним для практикуючого лікаря.
5. Три виділені глави про те, як застосувати прогнозування в реальному світі в Макрідакіс та ін. що є великим плюсом для практикуючого.

Прогнозування просто не застосовується універсальних методів, таких як аріма і експоненціальне згладжування і отримання результатів. Це набагато більше, ніж це, і особливо стратегічне прогнозування, коли ви дивитесь на довший горизонт. Принципи прогнозування Армстронгом виходять за межі універсальних методів екстраполяції і настійно рекомендуються всім, хто робить прогнозування реального світу, особливо стратегічне прогнозування.

Це залежить від того, скільки математики ви хочете. Для менш математично інтенсивного лікування добре застосовується Економічний часовий ряд від Ендерса .

Частина четверта основної економетрики Дамодара Гуджараті та Зорі Портера містить 5 розділів про економетрику часових рядів - дуже популярна книга! Він містить безліч вправ, регресійних результатів, інтерпретацій, і найкраще, ви можете завантажити дані з веб-сайту книги та копіювати результати для себе. Ще одна хороша книга - «Вступ Сток та Уотсона в економетрію» .

Починати з Гамільтона було захоплююче, але я б сказав, перечитав обидва розділи часових рядів у двох книгах, які я тільки що згадав, а потім переходимо до чогось типу «Прикладний економетричний часовий ряд Вальтера Ендерса» або «Моделювання фінансових моделей» Терренса Мілла Часовий ряд .

Після цього (і, можливо, після деякого огляду математичної економіки), ви повинні мати можливість сісти і зручно читати Гамільтона.

Примітка: Класичний аналіз часових рядів Box & Jenkins 1970 року: прогнозування та контроль , очевидно, більш концентровані (тобто вужчі за змістом), ніж "сучасні підручники", про які я згадував, але я б сказав, що кожен, хто хоче зрозуміти справжнє хороше розуміння часові ряди не повинні залишати це поза списком читання.

На додаток до іншого тексту є ще дві вступні книги у Springer's Use R! серія, що охоплює часовий ряд:
Вступний часовий ряд з R та прикладної економетрики в R

У серії також є вдосконалений текст економетрики « Аналіз інтегрованих та спільних інтегрованих часових рядів з R» .

Я не використовував їх, але знайшов декілька інших у цій серії відмінними.

Є кілька хороших, безкоштовних, онлайн-ресурсів:

1. Маленька книжка R для часових рядів , Авріл Коглан (також доступна у друкованому вигляді, досить дешево) - Я не все це прочитав, але, схоже, це добре написано, є кілька хороших прикладів і починається в основному з нуля ( тобто легко потрапити).
2. Глава 15, Статистика з R , Вінсент Зоонекінд - гідний вступ, але, мабуть, трохи більш досконалий. Я вважаю, що тут занадто багато (неякісно коментований) код і недостатньо пояснень.

Якщо вам здається, що Гамільтон занадто важкий, тоді є Вступ до економетричного моделювання Princeton Uni Press Бента Нільсена та Девіда Хендрі. Він зосереджується більше на інтуїції та практичних практичних рішеннях, ніж на більш глибокій теорії. Тож якщо ви перебуваєте в обмеженому часовому режимі, то це був би хороший підхід.

Я б все-таки рекомендував наполегливо продовжити аналіз часових рядів Гамільтона. Математично це дуже глибоко, і перші чотири глави триватимуть вас довгий час і слугуватимуть дуже сильним вступом до теми. Він також охоплює непричинність та коінтеграцію Грейнджера, і якщо ви вирішите глибше зайнятися цією темою, то це безцінний ресурс.

Для більш інтуїтивного лікування коінтеграції я також порекомендував би коінтеграцію, причинно-наслідкову ситуацію та прогнозування від Engle and White.

Нарешті, для дуже прогресивних методів лікування є книга Сорена Йохансена "Висновок, що ґрунтується на вірогідності коінтегрованих ВАР", і, звичайно, "Динамічна економетрія" Девіда Хендрі.

Серед цих двох, я думаю, що Хендрі більше орієнтований на велику картину, і Йохансен досить важко йде на математику.

Аналіз часових рядів: Уніваріантні та багатоваріантні методи Вільяма Вей та Девіда П. Рейлі - це дуже хороша книга про часові ряди і досить дорога. Є оновлена ​​версія, але за значно вищою ціною. Він не включає приклади R. Це чітко включає велике обговорення / презентацію процедур виявлення втручання, які ігноруються у спрощених рішеннях / вступних підручниках.

Є літній інститут NBER «Що нового в економетрії часових рядів» (не впевнений, чи цей матеріал закритий чи ні). Є відео з супровідними слайдами. Лекції читає пара професорів (Сток та Ватсон), які відомі своїм популярним підручником з економетрики.

На мою думку, ви справді не можете перемогти прогнозування: принципи та практика. Він написаний власними авторами Роб Хайдманом та Джорджем Атанасопулосом, він доступний безкоштовно в Інтернеті, і в ньому є багато прикладних кодів на R, використовуючи чудовий пакет прогнозів .

Якщо ви використовуєте Stata, вступ до часових рядів Використання Stata Шона Бекетті - це суцільне щадне вступ, що має багато прикладів та акцент на інтуїції над теорією. Я думаю, що ця книга досить добре доповнить Ендера.

Книга відкривається вступом до мови Stata, після чого проводиться швидкий огляд регресії та тестування гіпотез.

Частина часового ряду починається з ковзних середніх і методів Холта – Вінтера для вирівнювання та прогнозування даних. Наступний розділ присвячений їх використанню для прогнозування методик. Цими методами часто нехтують, але вони досить добре працюють для автоматизованого прогнозування і їх легко пояснити. Бекетті пояснює, коли вони працюватимуть, а коли - не.

Наступні глави стосуються моделей часових рядів з однорівневими рівнями, такі як автоматичні порушення, моделювання ARIMA та ARCH / GARCH.

Врешті-решт, Бекетті обговорює моделі множинних рівнянь, зокрема VAR та VEC, та нестаціонарні часові ряди.

Є кілька книг, які можуть бути корисними. Якщо ви зіткнулися з математикою, ви можете почати з двох книг SAGE Макдалла, Мклері, Мейдінгера та Хей під назвою "Аналіз перерваних часових рядів" 1980 АБО "Прикладний аналіз часових рядів" Річарда Маклірі. Коли ви дізнаєтесь більше про часові ряди і вирішите, що ви хочете більше, ніж проза, і що ви готові страждати через певну математику, текст Вей, опублікований Аддісон-Весслі під назвою "Аналіз часових рядів", був би відмінним вибором. Щодо веб-навчального матеріалу, я написав багато корисного матеріалу, який можна переглянути на веб- сайті http://www.autobox.com/cms/index.php/afs-university/intro-to-forecasting під назвою "Вступ до прогнозування ".

ГРИФФІЙСЬКИЙ ГРИФ ЛІМ 2011 "Принципи економетрії" 4E
Переваги Wiley :
(1) Дуже легко слідувати. Теми добре представлені. Хоча в житті я не брав жодного економетричного курсу, я легко зрозумів вступну економетрику з книгою.

(2) Існують додаткові книги для розуміння книги ХІЛ:
a. Використання EViews для принципів економетрики
b. Використання Excel для принципів економетрики
c. Використання Гретля для принципів економетрики
d. Використання статистичних даних для принципів економетрики

Недоліки:
(1) Не існує "Використання R для принципів економетрики"!
R - галузевий стандарт. R кращий за Python. Математику на увазі найкраще відобразити на коді через R (я говорю це як людина, яка писала модулі VBA в Excel, писала коди Gretl, писала коди Eviews).

Я самозапустив економетрику із "GREENE 2011 Econometric Analysis - WH GREENE 7E PearsonPrentice Hall" Це теж приємно, але більш теоретично; може бути складно для початківців.

Підсумовуючи це, я настійно рекомендую зрозуміти Економетрику з книгою Хілла і застосувати це розуміння за допомогою іншої книги Економетрії, заснованої на Р.