Time Series Econometrics

این متن پیشرفت‌های مدرن در تحلیل سری‌های زمانی را ارائه می‌کند و بر کاربرد آنها برای مشکلات اقتصادی تمرکز دارد. این کتاب ابتدا به معرفی مفهوم بنیادی یک سری زمانی ثابت و ویژگی‌های اساسی کوواریانس، بررسی ساختار و برآورد مدل‌های میانگین متحرک اتورگرسیو (ARMA) و روابط آنها با ساختار کوواریانس می‌پردازد. سپس کتاب به سراغ سری‌های زمانی غیر ثابت می‌رود و پیامدهای آن را برای مدل‌سازی و پیش‌بینی و ارائه آزمون‌ها و رگرسیون‌های آماری استاندارد برجسته می‌کند. در مرحله بعد، متن مدل‌های نوسان و کاربردهای آن‌ها در تحلیل داده‌های بازار مالی را مورد بحث قرار می‌دهد، با تمرکز بر مدل‌های هتروسکداستی شرطی خودبازگشتی تعمیم‌یافته (GARCH). بخش دوم متن به فرآیندهای چند متغیره، مانند مدل‌های خودرگرسیون بردار (VAR) و مدل‌های خودرگرسیون بردار ساختاری (SVAR) اختصاص دارد که به ابزار اصلی در اقتصاد کلان تجربی تبدیل شده‌اند. متن با بحث در مورد مدل‌های یکپارچه و فیلتر کالمن، که با فرکانس فزاینده استفاده می‌شود، به پایان می‌رسد. این متن مستقل از لحاظ ریاضی دقیق و در عین حال کاربردی‌گرا به دانش‌آموزان کمک می‌کند تا درک عمیق‌تری از نظریه و تسلط بهتر بر مدل‌هایی که برای این رشته حیاتی هستند، توسعه دهند. با فرض داشتن دانش پایه از آمار و/یا اقتصاد سنجی، این متن برای دانشجویان مقطع کارشناسی پیشرفته و دانشجویان مقطع کارشناسی ارشد مناسب است.

This text presents modern developments in time series analysis and focuses on their application to economic problems. The book first introduces the fundamental concept of a stationary time series and the basic properties of covariance, investigating the structure and estimation of autoregressive-moving average (ARMA) models and their relations to the covariance structure. The book then moves on to non-stationary time series, highlighting its consequences for modeling and forecasting and presenting standard statistical tests and regressions. Next, the text discusses volatility models and their applications in the analysis of financial market data, focusing on generalized autoregressive conditional heteroskedastic (GARCH) models. The second part of the text devoted to multivariate processes, such as vector autoregressive (VAR) models and structural vector autoregressive (SVAR) models, which have become the main tools in empirical macroeconomics. The text concludes with a discussion of co-integrated models and the Kalman Filter, which is being used with increasing frequency. Mathematically rigorous, yet application-oriented, this self-contained text will help students develop a deeper understanding of theory and better command of the models that are vital to the field. Assuming a basic knowledge of statistics and/or econometrics, this text is best suited for advanced undergraduate and beginning graduate students.