時間序列分析 作 者：余桂霖 出版社別：五南 書 系：研究&方法 出版日期：2020/07/01(1版3刷) ＩＳＢＮ：978-957-11-7147-0 書 號：1H79 頁 數：984 開 數：16K 本書適合研究生與研究人員，在社會及行為科學領域，使用時間序列預測模型分析時使用。透過完整的分析方法，讀者研習後，即可著手研究與分析﹔並可進行真實世界問題的預測。 時間序列分析技術是多重技術交叉、結合與關聯的組合。基本上有三種技術；（一）時間序列分析的基本技術（二）廻歸的分析技術（三）自我廻歸統合移動平均的ARIMA模型。本書依據前述三種基本技術進行分析，並透過SPSS軟體的程式與電腦的操作執行達成。讀者可依據本書內容，以及附錄的案例進行研習。 目錄 第一章 時間序列分析：導論 第一節 廻歸分析與時間序列 第二節 時間序列分析技術的發展 第三節 時間序列的基本概念分析 第四節 時間序列分析軟體的發展與應用 第五節 結語 第二章 時間序列的分析與預測的基本技術 第一節 緒言 第二節 預測的類型 一、時間序列模型 二、因果模型 三、質化的模型 第三節 時間序列的成分 一、趨勢成分 二、循環成分 三、季節成分 四、不規則成分 第四節 預測誤差的測量 一、誤差（Error） 二、平均誤差（ME） 三、平均絕對離差（MAD） 四、均方差（MSE） 五、平均百分比誤差（MPE） 六、平均絕對百分比誤差(MAPE) 第五節 利用平滑法預測 一、移動平均 二、加權移動平均 三、指數平滑 第六節 利用趨勢投射法預測時間序列 一、趨勢投射法 第七節 利用古典分解法預測時間序列 一、季節因素的運算 二、消除季節性因子以顯現趨勢 三、季節的調整 第八節 利用迴歸模型預測時間序列 第九節 結語 第三章 時間序列分析：廻歸技術的探究 第一節 導論 第二節 時間序列的廻歸分析：未滯延的範例 一、一個比率目標的假設 二、誤差項 三、時間序列的廻歸模型 （一）直線性：Y與X之間的關係是線性的 （二）非機率的X：E （三）零的平均數： （四）恆定的變異數： （五）非自我廻歸： （六）常態性：誤差項是常態性分配 四、沒有自我廻歸的假設 五、違反沒有自我廻歸假設的結果 六、傳統對自我相關的檢定 七、一個可以選擇對立的估計方法 八、虛擬-GLS估計 九、小樣本的特性 十、延伸到多元廻歸 十一、一個比率目標假設的再斟酌 第三節 時間序列的廻歸分析：滯延的案例 一、滯延的外衍變項 二、滯延的內衍變項 三、滯延內衍變項模型中自我相關的檢定 四、估計 五、虛擬-GLS估計 六、IV-虛擬GLS 七、一個修正比率目標的模型 第四節 預測 一、預測誤差 二、預測的產生 三、修正預測的方程式 四、預測的評估 第五節 可以選擇的時間-相依過程 一、可以選擇的過程 （一）較高階自我廻歸的過程 （二）移動平均的過程 （三）混合的過程 二、過程的辨識 （一）滯延內衍變項模型的應用 三、估計 第六節 摘要 第四章 在時間序列資料中自我相關與自我廻歸的探究 第一節 緒言 第二節 自我相關的問題 第三節 一階自我廻歸的誤差模型 一、簡單的線性廻歸 二、多元廻歸 三、誤差項的屬性 第四節 自我相關與Durbin-Watson檢定 一、自我相關 二、 Durbin-Watson檢定 三、範例 四、評論 第五節 自我相關的修正測量 一、預測變項的增加 二、已被轉變變項的使用 三、Cochrane-Orcutt 的程序 1. p的估計 2. 被轉變模型的適配 四、Hildreth-Lu的程序 五、一階的差分的程序 六、三種方法的比較 七、評論 第六節 以自我相關的誤差項進行預測 第七節 自我廻歸 第八節 提供趨勢發展的適配與預測的自我廻歸模型 一、一階的自我廻歸模型 二、二階的自我廻歸模型 三、pth-Order的自我廻歸模型 第九節 結語 第五章 間斷的時間序列：ARIMA模型代數與技術分析 第一節 緒論 第二節 隨機組成成份， 一、ARIMA 模型（0,0,0）與ARIMA 模型（0,d,0）過程 二、自我相關函數 三、移動平均模型 四、自我廻歸的模型 五、淨（偏partial）自我相關的函數 六、混合自我廻歸-移動平均模型 七、模型的建構 八、季節的模型 （一）季節性的非常定性 第三節 干預成份， 一、一個突然的間斷的，不變的影響 （一）辨識 （二）估計 （三）診斷 （四）影響評估 二、一個逐漸的，不變的影響 三、一個突然的，暫時的影響 四、檢定競爭的假設 第四節 結語 第六章 時間序列的資料分析與SPSS（18版）的操作過程 第一節 緒論 第二節 時間序列的廻歸 一、時間就是一個預測式 二、進行二次方程式趨勢 三、診斷：自我相關的修正 四、Durben-Watson的統計量 五、差分 六、圖形的求取與SPSS軟體的操作方法 （一）在時間就是一個預測式中有關其序列關聯圖的SPSS操作過程 （二）在進行二次方程式趨勢中有關其序列關聯圖的SPSS操作過程 （三）在診斷：自我相關的修正中有關其序列關聯圖的SPSS操作過程 （四）Durben-Watson的統計量中有關其序列關聯圖的SPSS操作過程 （五）在差分中有關其序列關聯圖的SPSS操作過程 第三節 滯延 一、分配的滯延 二、KOYCK模型 三、圖形的求取與SPSS軟體的操作方法 （一）在分配的滯延中有關其序列關聯圖的SPSS操作過程 第四節 自我廻歸 一、AR（1）模型 二、AR（2）模型 三、圖形的求取與SPSS軟體的操作方法 （一）在AR（1）模型中有關其序列關聯圖的SPSS操作過程 （二）在AR（2）模型中有關其序列關聯圖的SPSS操作過程 第五節 指數平滑 一、簡單的指數平滑 二、平滑常數的選擇 三、雙重指數平滑 四、起動雙重指數平滑 五、圖形的求取與SPSS軟體的操作方法 第六節 季節的時間序列 一、季節性 二、季節的（測量）指標 三、圖形的求取與SPSS軟體的操作方法 第七節 季節的自我廻歸 第八節 季節的指數平滑 一、季節指數平滑的起動 二、平滑常數的選擇 三、外在的RMSPE 四、圖形的求取與SPSS軟體的操作方法 第九節 季節的差分 第十節 季節的調整 第十一節 結語 第七章 時間序列預測模型：專題的分析與SPSS（13版）的操作 第一節 指數平滑模型 第一節 指數平滑模型 一、模型類型 （一）簡單的（二）雜林（Holt）（三）冬天（冬季）（四）習慣性（Custom） 二、有四種模型的參數可以被要求進行選擇 （一）一般的(Alpha， )（二）Gamma.（ ）（三）Delta.（ ）（四）Phi.（ ） 三、使用指數平滑去預測未來的量尺 四、理解你的資料 五、建立與分析指數平滑模型 六、建立與分析一個簡單的模型 七、建立與分析一個雜木（Holt）模型 八、建立冬季模型 九、檢定模型預測能力 十、使用模型去預測未來的量尺 第二節 自我廻歸 ...
還沒有人留下心得，快來搶頭香！
為您推薦
其他會員也一起購買
時間序列分析：總體經濟與財務金融之應用 ISBN13：9789865492366 出版社：雙葉書廊 作者：陳旭昇 裝訂／頁數：平裝／560頁 規格：26cm*19cm*2.5cm (高/寬/厚) 版次：3 出版日：2022/06/01 中國圖書分類：數理統計 內容簡介 本書以直觀且有系統的方式，介紹讀者現代時間序列的計量分析工具，內容力求理論與應用上之平衡，除了希望讀者了解如何從事總體與財金的實證研究，也期望讀者能夠掌握其背後的理論基礎。本書除了涵蓋傳統教科書一般時間序列的主題外，更進一步探討結構性變動、樣本外預測、蒙地卡羅模擬、樣本重抽法（Bootstrap）、VAR/SVAR/VECM 模型，以及總體 DSGE模型。每一個主題都有總體經濟或是財務金融的實例應用，並說明如何以計量軟體執行估計、檢定、預測與模擬。閱讀本書將有助於讀者從事總體經濟或財金領域的實證研究與研讀相關實證文獻。 第三版最大的特色為為專章介紹 EViews 程式撰寫、預測模型及對於 VAR 與 SVAR 之間連結的部分也有更細膩的討論。期待透過新的角度切入，能夠讓對時間序列方法有興趣的讀者有更深入的理解與體會。 本書特色 1. 介紹 EViews 程式撰寫。 2. 內容兼顧時間序列理論與應用之平衡。 3. 介紹樣本重抽法（Bootstrap）與總體 DSGE 模型。 4. 詳細介紹 VAR/SVAR/VECM 模型。 目錄 第01章 時間序列導論 1.1 時間序列資料 1.2 時間序列資料性質 1.3 時間序列的重要動差 1.4 定態時間序列 1.5 樣本動差 1.6 固定趨勢 1.7 季節性 1.8 總體與財金時間序列資料 第02章 Eviews 簡介 2.1 EViews 的使用簡介 2.2 指令概述 2.3 程式專屬變數 2.4 程式的執行控制 2.5 EViews 程式範例 2.6 EViews 指令採集視窗 第03章 ARMA 模型 3.1 定態時間序列模型 3.2 移動平均模型 3.3 自我迴歸 AR 模型與其定態條件 3.4 一階自我迴歸 AR(1) 模型 3.5 AR(1) 模型之估計 3.6 AR(1) 模型之衝擊反應函數 3.7 實例應用：實質匯率與購買力平價 3.8 p 階自我迴歸 AR(p) 模型 3.9 ARMA 模型 3.10 Wold Representation 定理 第04章 時間序列迴歸分析 4.1 時間序列漸近理論 4.2 時間序列迴歸模型 4.3 Newey-West HAC 估計式 4.4 常用的時間序列迴歸模型 4.5 AR 係數估計式的大樣本性質 4.6 AR 係數估計式的小樣本偏誤 4.7 實例：估計菲利浦曲線 第05章 預測 5.1 時間序列預測模型 5.2 AR(1) 模型之預測 5.3 AR(p) 模型之預測 5.4 即時預測 5.5 擬真樣本外預測 5.6 樣本外預測之應用 5.7 透過 EViews 執行動態預測 5.8 附錄 第06章 單根與隨機趨勢 6.1 隨機漫步模型 6.2 非定態時間序列：帶有趨勢之序列 6.3 隨機趨勢造成的問題 6.4 時間序列的單根檢定 6.5 實例應用：對實質匯率的單根檢定 6.6 ADF 檢定的檢定力 6.7 其他單根檢定 6.8 如何處理時間序列的單根 6.9 去除趨勢後定態 vs. 差分後定態 6.10 追蹤資料單根檢定 6.11 實例應用：再探購買力平價困惑 6.12 附錄 第07章 結構性變動 7.1 結構性變動 7.2 檢定結構性變動 7.3 變動點 τ 未知下的檢定 7.4 變動點的估計 7.5 結構性改變 vs. 隨機趨勢 7.6 未知結構性轉變的單根檢定 第08章 縮減式 VAR 8.1 縮減式 VAR 8.2 縮減式 VAR 的估計 8.3 縮減式 VAR 的預測 8.4 應用：檢定股票價格現值模型 8.5 Granger 因果關係檢定 8.6 Granger 因果關係檢定之實例應用 8.7 縮減式 VAR 模型的實務議題 8.8 附錄 第09章 結構式 VAR(I) 9.1 VAR 與結構性衝擊 9.2 結構式 VAR 9.3 認定條件 9.4 衝擊反應函數 9.5 變異數分解 9.6 歷史分解 9.7 實例應用：外匯市場不對稱干預 9.8 延伸閱讀 9.9 附錄 第10章 結構式 VAR(II) 10.1 一般結構式 VAR 10.2 過度認定檢定 10.3 貨幣政策的 SVAR 模型 10.4 長期限制認定條件 10.5 實例應用：Blanchard and Quah(1989) 10.6 延伸閱讀 10.7 附錄 第11章 共整合與向量誤差修正模型 11.1 共整合關係 11.2 共整合與共同隨機趨勢 11.3 向量誤差修正模型 11.4 Engle-Granger 兩階段程序 11.5 Johansen 程序 11.6 實例應用：利率期限結構 11.7 關於共整合分析 11.8 VAR 模型設定 11.9 附錄 第12章 GARCH 模型 12.1 時間序列的波動性 12.2 ARCH 模型 12.3 GARCH 模型 12.4 檢定 ARCH 效果 12.5 GARCH 模型的擴充 12.6 GARCH 模型的最大概似估計 12.7 GARCH 模型的實例應用：外匯市場干預 12.8 關於 ARCH-GARCH 模型 第13章 Bootstrap 與模擬 13.1 蒙地卡羅模擬及其應用 13.2 樣本重抽法與 Bootstrap 13.3 Bootstrap 偏誤與標準差 13.4 Bootstrap 信賴區間 13.5 Bootstrap p-values 13.6 迴歸模型的 Bootstrap 13.7 Bootstrapping 長期追蹤調查資料 13.8 Bootstrap 的實例應用 13.9 EViews 程式附錄 第14章 DSGE 模型 14.1 DSGE 模型簡介 14.2 一階隨機差分方程式 14.3 二階隨機差分方程式 14.4 理性預期方程組 14.5 模型調校 14.6 一個簡單的實質景氣循環模型 14.7 附錄 A：EViews 程式 14.8 附錄 B：Dynare 外掛程式簡介 第15章 經濟理論與實證 15.1 經濟理論與實證研究 15.2 一個簡單的匯率模型 15.3 估計檢定與模型調校
類似書籍推薦給您
【簡介】 本書適合大專院校研究生與有興趣於探究金融股市預測方法的讀者在社會及行為科學領域，作為時間序列預測模型分析技術或方法的參考。透過書中系統性理論歸納與R語言軟體教學，讀者可運用於預測專業領域研究的情況，進而判斷趨勢、做出決策。 時間序列分析與預測技術是多重技術交叉、結合與關聯的組合，本書主要探究其中四種技術成分： 1. 時間序列分析的基本技術； 2. 時間序列分析的指數平滑； 3. 自我迴歸統合移動平均（ARIMA）模型的建構、修正、向前預測與驗證； 4. 股市量化交易概念、交易策略的建構、策略回測的模擬與預測。 書中詳細介紹各個技術方法，並說明分別的優點與適用時機，且以R語言編碼、計算與製圖，進行實際分析操作。隨書附贈光碟資料豐富，收錄〈金融股市時間序列總和摘要分析〉，提供讀者對金融股市時間序列的研究方法有更多的選擇與運用。 【目錄】 第1章 導論 第一節 時間序列與預測 第二節 時間序列分析與預測技術的主要組成成分 第三節 時間序列的預測範圍與驗證過程 第四節 時間序列的基本概念分析 第五節 預測的性質與使用 第六節 預測進行的過程與資料的來源 第七節 本書分析架構的說明 第八節 結語 第2章 時間序列：R語言軟體的下載與重要套件或軟體包的運作 第一節 緒論 第二節 從網路中下載R語言軟體 第三節 時間序列數據的讀取與軟體的操作方法 第四節 從網路取得股價資料、公司的代碼與資料檔的建立 第五節 從網路取得債券、基金、黃金、原油、指數、外匯和全球經濟數據 第六節 從R的套件如tidyquant中的各函數取得各種股票指數／交易所列表數據與圖形 第七節 從R的套件如fpp2或ggplot中取得範例檔案進行 第八節 從R的套件如fpp3或ggplot中取得範例檔案進行 第九節 本書使用主要時間序列軟體套件：quantmod、tidyquant與quantstrat的概述 第十節 結語 第3章 時間序列分解（time series decomposition） 第一節 緒論 第二節 時間序列組件（time series components） 第三節 移動平均線（moving averages） 第四節 經典分解（classical decomposition） 第五節 X11的分解 第六節 SEATS的分解 第七節 STL的分解 第八節 測量趨勢和季節性的強度（measuring strength of trend and seasonality） 第九節 分解預測（forecasting with decomposition） 第十節 使用訓練和測試集方法（途徑）進行分解預測的比較 第十一節 結語 第4章 指數平滑（exponential smoothing） 第一節 緒論：平滑法的預測 第二節 簡單指數平滑：沒有趨勢或季節性的數據技術 第三節 霍爾特的線性趨勢方法（Holt’s linear trend method） 第四節 阻尼方法（damping methods） 第五節 霍爾特的季節性方法（Holt-Winters） 第六節 創新狀態空間模型用於指數平滑 第七節 三重指數平滑 第八節 從天真（naive）到自我迴歸統合平均ARIMA，至簡單指數平滑（SES Holt指數平滑）的預測方法 第九節 指數平滑方法在股市的應用 第十節 結語 第5章 使用R語言：時間序列資料取得、建立、繪製、特徵、差分、對數、ARIMA模型的建構與預測 第一節 緒論：時間序列資料 第二節 時間序列資料數據的取得、探索與處理 第三節 時間序列的特徵 第四節 時間序列模型 第五節 R中的自我迴歸（AR）模型 第六節 R中ARIMA的建模 第七節 R中使用ARIMA建模進行預測——案例研究 第八節 R中使用ARIMA與多種建模進行預測——案例研究 第九節 結語 第6章 時間序列：進行量化與股票交易訊息的建構與分析 第一節 緒論 第二節 量化交易概念策略的產生與製作 第三節 使用quantmod套件產生交易信號的基本功能：以2330.TW台積電為範例 第四節 使用tidyquant套件產生量化交易的基本功能 第五節 趨勢交易：最常見的幾個指標 第六節 日內交易（day trading） 第七節 結語 第7章 時間序列：量化與股票交易策略的回測模擬 第一節 緒論 第二節 鍋爐板設置（boiler plate set-up）策略：以2330.TW、2454.TW、3008.TW、3661.TW為範例 第三節 簡單過濾規則策略：以2330.TW、2454.TW、3008.TW、3661.TW為範例 第四節 買入並持有策略 第五節 SMA規則策略：範例2330.TW、2454.TW 第六節 帶有波動率過濾器的SMA規則策略 第七節 EMA策略：範例2330.TW、2454.TW 第八節 smaCross策略：範例2330.TW 第九節 sma crossover策略：範例2330.TW、2454.TW 第十節 布林帶策略（Bollinger Bands Strategy）：範例2330.TW、2454.TW 第十一節 Strat.SMA策略：範例2330.TW、2454.TW、3008.TW、3661.TW 第十二節 sma.strategy策略：範例TW2454 第十三節 SMAstrat策略：範例2330.TW 第十四節 結語
類似書籍推薦給您
書名：財金時間序列分析：使用R語言(附光碟) 作者：林進益 出版社：五南 出版日期：2020/03/00 ISBN：9789577637604 內容簡介 ✎為實作派的你而寫——翻開本書，即刻上手！ ✔提供完整程式語言，對照參考不出錯 ✔多種程式碼撰寫範例，臨陣套用、現學現賣 未來的國際通用語言只有一種——程式語言。FinTech強勢佔領金融市場，想在瞬息萬變的財金領域脫穎而出，就要具備程式語言邏輯的知能。 ●打造沉浸式R語言的學習環境 本書用統計學觀點，檢視實際的財金時間序列資料，臨場感十足。讀取、計算、模擬、編表或繪圖，皆詳細收錄對應的R程式，不省略不馬虎，對應實作好簡單。 ●比起理論，更重視實際操作 不僅強調理論與實際結合，同時包括蒙地卡羅、拔靴與貝氏計量等模擬方法。提供許多R程式碼撰寫範例，情境式學習，效果更加分。 ●拜程式語言的強大，學習門檻大幅降低 除了適合大學部或研究所的 「時間序列分析」 、「計量經濟學」 或 「應用統計」 等課程；搭配貼心解說的「附錄」使用，也適合從零開始的讀者自修。 目錄 Chapter 1 迴歸模型 ( 一) 1. 迴歸模型的意義 2. OLS 估計式的幾何特徵 2.1 OLS 估計式的數值特徵 2.2 Frisch-Waugh-Lovell 定理 3. 迴歸模型的假定與OLS 3.1 AT、AL 與AFR 的意義 3.2 AX 的假定 3.3 AH 與AN 的假定 3.4 Mann-Wald 定理 Chapter 2 迴歸模型 ( 二) 1. 統計推論 1.1 有關於β 的線性假設檢定 1.2 線性限制下的估計 1.3 一個例子：MRW（1992） 2. LR、Wald 與LM 檢定 2.1 ML 估計 2.2 LR、Wald 與LM 檢定 3. 初見拔靴法 3.1 拔靴法的原理 3.2 拔靴法於迴歸模型的應用 Chapter 3 ARIMA 模型 ( 一) 1. 隨機過程 1.1 定態的隨機過程 1.2 定態隨機過程之建構 1.3 落後運算式的應用 2. AR 過程 2.1 AR(p) 過程 2.2 衝擊反應函數 Chapter 4 ARIMA 模型( 二) 1. ARIMA 模型 1.1 MA 過程 1.2 ARMA 過程 1.3 ARIMA 模型的建立 1.4 預測 2. 非定態隨機過程的考量 2.1 虛假迴歸模型 2.2 Beveridge-Nelson 分解 Chapter 5 頻譜分析 1. 認識週期函數 1.1 正弦與餘弦函數 1.2 季節模型 2. 母體頻譜 2.1 自我共變異數產生函數 2.2 母體頻譜與其特徵 3. 母體頻譜的意義 3.1 母體頻譜的解釋 3.2 樣本週期圖 3.3 長期變異數 4. 母體頻譜的估計 4.1 長期變異數的估計 4.2 母體頻譜的估計 Chapter 6 單根檢定 1. 非定態分配理論 1.1 定態與非定態隨機過程變數 1.2 非定態變數的漸近分析 2. 傳統的單根檢定 2.1 DF 檢定 2.2 ADF 檢定 2.3 PP 檢定 2.4 KPSS 檢定 3. 較有效的單根檢定 3.1 除去趨勢化 3.2 ERS 檢定 3.3 有效的修正PP 檢定 Chapter 7 VAR 模型 1. SUR 模型與線性VAR 過程 1.1 SUR 模型 1.2 線性VAR 過程 2. VAR 模型的估計 2.1 OLS 與ML 估計 2.2 RGLS 估計 3. 定態的VAR 模型 3.1 預測 3.2 落後期p 選擇過程 3.3 Granger 因果關係 3.4 衝擊反應函數 3.5 預測誤差之變異數拆解 3.6 診斷檢定 4. 拔靴法 4.1 AR(p) 模型 4.2 VAR(p) 模型 Chapter 8 貝氏VAR 模型 1. 貝氏統計方法 1.1 貝氏理論與計算 1.2 線性迴歸模型 2. Gibbs 抽樣方法 2.1 線性迴歸模型的應用 2.2 Gibbs 抽樣的收斂 3. VAR 模型的應用 3.1 BVAR 模型 3.2 Minnesota 先驗 參考文獻 中文索引 英文索引 詳細資料 ISBN：9789577637604 規格：平裝 / 452頁 / 19 x 26 x 2.26 cm / 普通級 / 單色印刷 / 初版 出版地：台灣 本書分類：商業理財> 會計/統計> 統計軟體分析 本書分類：專業/教科書/政府出版品> 財經類> 統計> 統計軟體
類似書籍推薦給您
【中文書】 書名：時間序列分析：經濟與財務上之應用(三版) 作者：楊奕農 出版社：雙葉 出版日期：2017/02/22 ISBN：9789865668709 內容簡介 模型與意涵並重：本書除了必要的統計基礎之詳盡推導外，並加強說明模型所隱含的經濟意義。 詳細步驟示範：作者詳列各種分析方法的施行步驟，配合所附之數據資料，在範例中逐步導引讀者實際操作軟體進行檢定、估計、和模型診斷。 研究實例解說：在各章中精選實證文獻來解說模型之應用實例，期使讀者能與真正的實證研究實務接軌。 介紹熱門研究主題：ARMA、門檻迴歸、多變量 GARCH、向量自我迴歸、單根與共整合、最大概似法之估計。 本版全新內容： ＊依最新 Eviews 9.5版，更新操作範例 ＊新增門檻自我相關模型之實作範例（第4章） ＊增補單根檢定自動選擇落後期之功能說明示範（第8章） ＊增述使用 AIC、BIC 和 HQC來選擇共整合模型的落後期之範例（第9章） ＊全新第10章的進階研究，詳細舉例並說明如何運用最大概似法，以利估計軟體沒有的計量模型。 目錄 第01章 時間序列分析的基礎 1.1 從AR(1) 模型談起 1.2 時間序列模型之目的與涵義 1.3 蛛網理論、結構式與縮減式 1.4 AR(1) 模型的收歛值和經濟長期均衡之關係 1.5 加入誤差觀念的AR(1) 模型 本章習題 第02章 Box-Jenkins 的ARMA 模型 2.1 先談談白噪音 (white noise) 2.2 ARMA(p,q) 模型 2.3 MA 隱含的經濟意義 2.4 定態與安定條件 2.5 用ACF 和PACF 判斷落後期數 本章習題 附錄：ARMA 模型的另一種表示法：落遲運算符號 第03章 ARMA 模型的估計 3.1 估計ARMA 模型的第一步 3.2 ARMA 模型的診斷─Q 統計量和JB 統計量 3.3 如何選擇適當的ARMA 模型 本章習題 第04章 結構轉變的考量 4.1 結構轉變在經濟模型和計量模型上之意義 4.2 Chow 的結構轉變之檢定與估計 4.3 讓資料說話的結構轉變檢定 4.4 門檻式自我相關結構轉變模型 本章習題 第05章 自我相關條件異質變異模型 5.1 經濟與財務時間序列統計資料之特性 5.2 ARCH/GARCH 基本模型 5.3 未考量ARCH 對模型估計的影響 5.4 找出模型中是否有自我相關異質變異的問題 5.5 估計ARCH/GARCH 模型 5.6 ARCH 模型在財務上之應用─ARCH-M 模型 5.7 GARCH 模型之擴展應用 本章習題 第06章 多變數模型與向量自我迴歸 6.1 多變數時間序列模型與迴歸 6.2 多變數模型中殘差的問題 6.3 殘差含自我相關之處理 6.4 動態時間序列模型 6.5 向量自我迴歸 本章習題 第07章 多變量GARCH 模型 7.1 多變量GARCH 模型之矩陣基礎 7.2 從GARCH(1,1) 到 多變量GARCH(1,1) 7.3 下三角堆疊模型：vech model 7.4 BEKK 模型 7.5 條件相關係數模型：CCC and DCC models 本章習題 附錄：Eviews 可估計之多變量 GARCH 對照表 第08章 非定態時間序列模型 8.1 從 Random Walk 模型開始 8.2 RW 模型所隱含的經濟涵意 8.3 什麼是單根? 8.4 Dickey-Fuller 的單根檢定與衍生之檢定 8.5 Panel 單根檢定 本章習題 第09章 共整合與誤差修正模型 9.1 整合變數 9.2 什麼是共整合? 9.3 誤差修正模型 9.4 Engle-Granger 共整合檢定與估計 9.5 Johansen 共整合檢定與估計 9.6 Johansen 共整合加入限制式之檢定 本章習題 第10章 進階專題: 最大概似法應用 10.1 最大概似法的基礎觀念 10.2 應用一: 牛刀殺雞─最大概似法估計迴歸 10.3 應用二: 最大概似法估計AR(1)-ARCH(1) 10.4 應用三: 最大概似法估計Probit 模型 本章習題 第11章 附錄 矩陣、向量與特性根 A.1 矩陣和向量之定義與運算 A.2 以矩陣方式表示聯立方程式 A.3 特性根與特性方程式
資訊
工程
數學與統計學
機率與統計
自然科學
健康科學
地球與環境
建築、設計與藝術
人文與社會科學
教育
語言學習與考試
法律
會計與財務
大眾傳播
觀光與休閒餐旅
考試用書
研究方法
商業與管理
經濟學
心理學
生活
生活風格商品
參考書/測驗卷/輔材
