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: Terence C. Mills
سری: Palgrave Texts in Econometrics
ISBN (شابک) : 1403902089, 9781403902085
ناشر: Palgrave Macmillan
سال نشر: 2003
تعداد صفحات: 191
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Modelling Trends and Cycles in Economic Time Series 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 مدلسازی روندها و چرخه ها در سری زمانی اقتصادی 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.
مدلسازی روندها و چرخهها در سریهای زمانی اقتصادی سابقه طولانی دارد، با استفاده از روندهای خطی و میانگینهای متحرک مجموعه ابزار اصلی اقتصاددانان را تا دهه 1970 تشکیل میداد. سپس چندین پیشرفت در اقتصاد سنجی منجر به بازنگری در تکنیک های مورد استفاده برای استخراج روندها و چرخه ها از سری های زمانی شد. ترنس میلز این رویکردهای مختلف را معرفی میکند تا به دانشجویان و محققان اجازه دهد تا از تنوع تکنیکها و ملاحظاتی که مبنای انتخاب آنها برای مدلسازی روندها و چرخهها است، قدردانی کنند.
Modelling trends and cycles in economic time series has a long history, with the use of linear trends and moving averages forming the basic tool kit of economists until the 1970s. Several developments in econometrics then led to an overhaul of the techniques used to extract trends and cycles from time series. Terence Mills introduces these various approaches to allow students and researchers to appreciate the variety of techniques and the considerations that underpin their choice for modelling trends and cycles.
Cover......Page 1
Contents......Page 6
List of Tables and Figures......Page 10
Series Editor's Foreword......Page 12
1.1 Historical perspective......Page 14
1.2 Overview of the book......Page 23
2.1 The classical trend-cycle decomposition......Page 26
2.2.1 Linear trends......Page 27
2.2.2 Nonlinear trends......Page 28
2.2.3 Segmented trends and smooth transitions......Page 29
Example 2.1 A linear trend for US output per capita......Page 31
Example 2.2 Fitting deterministic trends to UK output......Page 32
Example 2.3 Fitting a smooth transition to US stock prices......Page 35
2.3.1 Simple moving averages......Page 36
2.3.2 Weighted moving averages......Page 37
Example 2.4 Weighted moving average trends for US stock prices......Page 38
2.4.1 Autoregressive processes for the cyclical component......Page 39
Example 2.5 The cyclical component of US output per capita......Page 43
Example 2.6 The cyclical component of UK output......Page 44
Example 2.7 The cyclical component of US stock prices......Page 45
2.5 Some problems associated with the 'classical' approach......Page 46
Example 2.8 Simulating the Slutsky–Yule effect......Page 47
Further reading and background material......Page 49
3.1 An introduction to stochastic trends......Page 52
3.2 Determining the order of integration of a time series......Page 61
Example 3.2 Modelling the FTA All Share index......Page 63
Example 3.3 Modelling US output......Page 65
3.4 Trend stationarity versus difference stationarity......Page 67
Example 3.4 Testing TS versus DS processes for UK equities and US output......Page 71
3.5.1 Unobserved component models......Page 72
3.5.2 The Beveridge–Nelson decomposition......Page 74
Example 3.5 Decomposing UK equities and US output......Page 77
3.5.3 Signal extraction......Page 79
3.5.4 Basic structural models......Page 80
Example 3.6 Basic structural models for UK equities and US output......Page 83
Further reading and background material......Page 85
4.1.1 Symmetric linear filters......Page 88
Example 4.1 The simple MA filter......Page 89
4.1.2 Frequency-domain properties of linear filters......Page 90
Example 4.2 The gain and phase of the simple MA and first differencing filters......Page 94
Example 4.3 Spurious cyclical behaviour......Page 95
4.1.3 Designing a low-pass filter......Page 97
4.1.4 High-pass and band-pass filters......Page 100
Example 4.4 Band-pass business cycle filters......Page 104
4.2.1 The Hodrick–Prescott filter in infinite samples......Page 105
4.2.2 The finite sample H–P filter......Page 107
Example 4.5 Band- pass and Hodrick–Prescott cycles for US output......Page 108
4.3.1 A structural model for the H–P filter......Page 110
4.3.2 The Butterworth filter......Page 112
Further reading and background material......Page 114
5.1.1 Markov models......Page 116
5.1.2 STAR models......Page 120
Example 5.2 A STAR model for UK output......Page 125
5.2.1 Smoothing estimators......Page 127
5.2.2 Kernel regression......Page 128
Example 5.3 nonparametric trends in US stock prices......Page 130
5.3 Nonlinear stochastic trends......Page 132
Further reading and background material......Page 133
6.1.1 Specification and testing for common features......Page 136
6.1.2 Common cycles and codependence......Page 138
6.1.3 Common deterministic trends......Page 140
6.2 Common trends and cycles in a VAR framework......Page 141
Example 6.3 Common trends and cycles in the UK macroeconomy......Page 147
6.3.1 Common trends......Page 150
Example 6.4 A multivariate BSM of the UK macroeconomy......Page 152
6.4 Multivariate filtering......Page 155
Example 6.5 Multivariate detrending of UK consumption and output using a common trend restriction......Page 157
Further reading and background material......Page 158
7 Conclusions......Page 162
Computed Examples......Page 164
References......Page 174
Author Index......Page 184
Subject Index......Page 186