دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Professor Dr. Gebhard Kirchgässner, Professor Dr. Jürgen Wolters (auth.) سری: ISBN (شابک) : 9783540732907, 9783540732914 ناشر: Springer Berlin Heidelberg سال نشر: 2007 تعداد صفحات: 276 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
کلمات کلیدی مربوط به کتاب مقدمه ای بر تجزیه و تحلیل سری زمان مدرن: اقتصاد سنجی، آمار برای تجارت/اقتصاد/ریاضی مالی/بیمه
در صورت تبدیل فایل کتاب Introduction to Modern Time Series Analysis به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر تجزیه و تحلیل سری زمان مدرن نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب تحولات مدرن در اقتصاد سنجی سری های زمانی را ارائه می دهد که در سری های زمانی کلان اقتصادی و مالی اعمال می شود. شکاف بین روش ها و کاربردهای واقعی را پر می کند. این کتاب حاوی مهمترین رویکردها برای تجزیه و تحلیل سری های زمانی است که ممکن است ثابت یا غیر ثابت باشند. با مدلسازی و پیشبینی سریهای زمانی تک متغیره شروع میشود و سپس آزمونهای علیت گرنجر و مدلهای خودرگرسیون برداری را برای سریهای زمانی ثابت چندگانه ارائه میکند.
برای کارهای کاربردی واقعی، مدلسازی سریهای زمانی تک یا چند متغیره غیر ثابت بسیار مهم است. بنابراین، تجزیه و تحلیل ریشه واحد و هم انباشتگی و همچنین مدلهای تصحیح خطای برداری نقش اصلی را بازی میکنند. مدلسازی نوسانهای سری زمانی مالی با مدلهای هتروسکداستی شرطی اتورگرسیو نیز درمان میشود.
This book presents modern developments in time series econometrics that are applied to macroeconomic and financial time series. It bridges the gap between methods and realistic applications. This book contains the most important approaches to analyze time series which may be stationary or nonstationary. It starts with modeling and forecasting univariate time series and then presents Granger causality tests and vector autoregressive models for multiple stationary time series.
For real applied work the modeling of nonstationary uni- or multivariate time series is most important. Therefore, unit root and cointegration analysis as well as vector error correction models play a central part. Modelling volatilities of financial time series with autoregressive conditional heteroskedastic models is also treated.
Front Matter....Pages I-IX
Introduction and Basics....Pages 1-25
Univariate Stationary Processes....Pages 27-91
Granger Causality....Pages 93-123
Vector Autoregressive Processes....Pages 125-151
Nonstationary Processes....Pages 153-198
Cointegration....Pages 199-239
Autoregressive Conditional Heteroskedasticity....Pages 241-265
Back Matter....Pages 267-274