Applications of Computer Aided Time Series Modeling

این کتاب از سه بخش تشکیل شده است: قسمت اول از دو فصل مقدماتی تشکیل شده است. فصل اول یک تفسیر متغیر ابزاری از الگوریتم سری‌های زمانی فضای حالت ارائه می‌کند که در اصل توسط Aoki (1983) پیشنهاد شده بود، و یک توضیح مقدماتی برای ترکیب سیگنال‌های برون‌زا در مدل‌های فضای حالت ارائه می‌دهد. فصل دوم، توسط هاونر، راهنمایی های عملی در به کارگیری این الگوریتم توسط یکی از مجرب ترین متخصصان این روش ارائه می دهد. هاونر با خلاصه کردن شش دلیل سودمند بودن روش‌های فضای دولتی شروع می‌کند، و سپس خواننده را در ساخت و ارزیابی یک مدل فضای دولتی برای چهار سری اقتصاد کلان ماهانه راهنمایی می‌کند: تولید صنعتی در دکس، شاخص قیمت مصرف‌کننده، نرخ کاغذ تجاری شش ماهه و پول. سهام (میلی لیتر). او برای مشخص کردن یکی از چندین بینش مهم در مدل‌سازی که با خواننده در میان می‌گذارد، در بخش 2ii اثرات خطاهای نمونه‌برداری و تعیین نادرست مدل بر تلاش‌های موفق مدل‌سازی را مورد بحث قرار می‌دهد. او استدلال می‌کند که تعیین نادرست مدل تقویت‌کننده مهمی از اثرات خطای نمونه‌گیری است که ممکن است باعث شود ماتریس‌های سمپلتیک ریشه‌های واحد پیچیده‌ای داشته باشند، که از نظر نظری غیرممکن است. مشخصات مدل صحیح کارایی برآوردگرها را افزایش می دهد و اغلب این مشکل نمونه محدود را حذف می کند. این بینش مهمی از واقعیت مثبت ماتریس های کوواریانس است. مثبت بودن توسط مهندسان سیستم به استثنای روش‌های دیگر کاهش خطای نمونه‌گیری و کاهش آنچه که به سادگی یک مشکل نمونه محدود است، مورد تاکید قرار گرفته است. بخش دوم و سوم مقالاتی را جمع آوری می کند که کاربردهای خاصی را توصیف می کند.

This book consists of three parts: Part One is composed of two introductory chapters. The first chapter provides an instrumental varible interpretation of the state space time series algorithm originally proposed by Aoki (1983), and gives an introductory account for incorporating exogenous signals in state space models. The second chapter, by Havenner, gives practical guidance in apply­ ing this algorithm by one of the most experienced practitioners of the method. Havenner begins by summarizing six reasons state space methods are advanta­ geous, and then walks the reader through construction and evaluation of a state space model for four monthly macroeconomic series: industrial production in­ dex, consumer price index, six month commercial paper rate, and money stock (Ml). To single out one of the several important insights in modeling that he shares with the reader, he discusses in Section 2ii the effects of sampling er­ rors and model misspecification on successful modeling efforts. He argues that model misspecification is an important amplifier of the effects of sampling error that may cause symplectic matrices to have complex unit roots, a theoretical impossibility. Correct model specifications increase efficiency of estimators and often eliminate this finite sample problem. This is an important insight into the positive realness of covariance matrices; positivity has been emphasized by system engineers to the exclusion of other methods of reducing sampling error and alleviating what is simply a finite sample problem. The second and third parts collect papers that describe specific applications.