ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Macroeconomic Forecasting In The Era Of Big Data: Theory And Practice

دانلود کتاب پیش‌بینی اقتصاد کلان در عصر کلان داده: نظریه و عمل

Macroeconomic Forecasting In The Era Of Big Data: Theory And Practice

مشخصات کتاب

Macroeconomic Forecasting In The Era Of Big Data: Theory And Practice

ویرایش:  
نویسندگان:   
سری: Advanced Studies In Theoretical And Applied Econometrics Vol. 52 
ISBN (شابک) : 303031149X, 9783030311506 
ناشر: Springer 
سال نشر: 2020 
تعداد صفحات: 716 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 11 Mb 

قیمت کتاب (تومان) : 49,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 9


در صورت تبدیل فایل کتاب Macroeconomic Forecasting In The Era Of Big Data: Theory And Practice 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 پیش‌بینی اقتصاد کلان در عصر کلان داده: نظریه و عمل 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.


توضیحاتی در مورد کتاب پیش‌بینی اقتصاد کلان در عصر کلان داده: نظریه و عمل

این کتاب ابزارهای کلان داده مورد استفاده در پیش‌بینی اقتصاد کلان را بررسی می‌کند و به مسائل مربوط به اقتصاد سنجی، از جمله نحوه ثبت روابط پویا بین متغیرها می‌پردازد. نحوه انتخاب مدل های صرفه جویی؛ نحوه برخورد با داده های عدم قطعیت، بی ثباتی، ناپایداری و فرکانس مختلط مدل. و نحوه ارزیابی پیش‌بینی‌ها، از جمله. هر فصل حاوی منابع است، و اطلاعات پس زمینه محکمی را ارائه می دهد، در حالی که آخرین پیشرفت ها در این زمینه را نیز بررسی می کند. بر این اساس، کتاب منبع ارزشمندی برای محققان، پیش‌بینی‌کنندگان حرفه‌ای و دانشجویان اقتصاد کمی ارائه می‌کند.


توضیحاتی درمورد کتاب به خارجی

This book surveys big data tools used in macroeconomic forecasting and addresses related econometric issues, including how to capture dynamic relationships among variables; how to select parsimonious models; how to deal with model uncertainty, instability, non-stationarity, and mixed frequency data; and how to evaluate forecasts, among others. Each chapter is self-contained with references, and provides solid background information, while also reviewing the latest advances in the field. Accordingly, the book offers a valuable resource for researchers, professional forecasters, and students of quantitative economics.



فهرست مطالب

Front Matter ....Pages i-xiii
Front Matter ....Pages 1-1
Sources and Types of Big Data for Macroeconomic Forecasting (Philip M. E. Garboden)....Pages 3-23
Front Matter ....Pages 25-25
Dynamic Factor Models (Catherine Doz, Peter Fuleky)....Pages 27-64
Factor Augmented Vector Autoregressions, Panel VARs, and Global VARs (Martin Feldkircher, Florian Huber, Michael Pfarrhofer)....Pages 65-93
Large Bayesian Vector Autoregressions (Joshua C. C. Chan)....Pages 95-125
Volatility Forecasting in a Data Rich Environment (Mauro Bernardi, Giovanni Bonaccolto, Massimiliano Caporin, Michele Costola)....Pages 127-160
Neural Networks (Thomas R. Cook)....Pages 161-189
Front Matter ....Pages 191-191
Penalized Time Series Regression (Anders Bredahl Kock, Marcelo Medeiros, Gabriel Vasconcelos)....Pages 193-228
Principal Component and Static Factor Analysis (Jianfei Cao, Chris Gu, Yike Wang)....Pages 229-266
Subspace Methods (Tom Boot, Didier Nibbering)....Pages 267-291
Variable Selection and Feature Screening (Wanjun Liu, Runze Li)....Pages 293-326
Front Matter ....Pages 327-327
Frequentist Averaging (Felix Chan, Laurent Pauwels, Sylvia Soltyk)....Pages 329-357
Bayesian Model Averaging (Paul Hofmarcher, Bettina Grün)....Pages 359-388
Bootstrap Aggregating and Random Forest (Tae-Hwy Lee, Aman Ullah, Ran Wang)....Pages 389-429
Boosting (Jianghao Chu, Tae-Hwy Lee, Aman Ullah, Ran Wang)....Pages 431-463
Density Forecasting (Federico Bassetti, Roberto Casarin, Francesco Ravazzolo)....Pages 465-494
Forecast Evaluation (Mingmian Cheng, Norman R. Swanson, Chun Yao)....Pages 495-537
Front Matter ....Pages 539-539
Unit Roots and Cointegration (Stephan Smeekes, Etienne Wijler)....Pages 541-584
Turning Points and Classification (Jeremy Piger)....Pages 585-624
Robust Methods for High-Dimensional Regression and Covariance Matrix Estimation (Marco Avella-Medina)....Pages 625-653
Frequency Domain (Felix Chan, Marco Reale)....Pages 655-687
Hierarchical Forecasting (George Athanasopoulos, Puwasala Gamakumara, Anastasios Panagiotelis, Rob J. Hyndman, Mohamed Affan)....Pages 689-719




نظرات کاربران