Time Series: Applications to Finance with R and S-Plus, Second Edition

ویرایش جدیدی از راهنمای جامع و عملی سری‌های زمانی مالی که اکنون دارای نرم‌افزار S-Plus® و R است

Series Time: Applications to Finance with R and S-Plus®, Second نسخه برای ارائه مقدمه‌ای عمیق در زمینه‌های مفهومی و ایده‌های مدرن تحلیل سری‌های زمانی طراحی شده است. این کتاب با استفاده از برنامه‌های کاربردی جالب، دنیای واقعی و جدیدترین بسته‌های نرم‌افزاری، به خوانندگان کمک می‌کند تا شیوه‌های فنی و مفهومی موضوع را درک کنند تا درک عمیق‌تری از پویایی‌های همیشه در حال تغییر دنیای مالی به دست آورند.

با پوشش متعادلی از هر دو نظریه و کاربردها، این ویرایش دوم حاوی محتوای جدیدی است تا به طور دقیق ماهیت پیشرفته فعلی تحلیل سری زمانی مالی را منعکس کند. فصل جدیدی در زنجیره مارکوف مونت کارلو روش‌های بیزی را برای سری‌های زمانی با پوشش الگوریتم متروپلیس-هیستینگ، نمونه‌گیری گیبس، و یک مطالعه موردی ارائه می‌کند که ارتباط این تکنیک‌ها را برای درک فعالیت در میانگین صنعتی داوجونز بررسی می‌کند. نویسنده همچنین ارائه جدیدی از آربیتراژ آماری ارائه می دهد که شامل بحث در مورد تجارت جفت و ادغام مشترک است. علاوه بر موضوعات استاندارد مانند پیش‌بینی و تحلیل طیفی، از مثال‌های مالی دنیای واقعی برای نشان دادن پیشرفت‌های اخیر در تکنیک‌های غیراستاندارد استفاده می‌شود، از جمله:

• ناپایداری
• ناهمسانی
• سری های زمانی چند متغیره
• مدل سازی فضای حالت و نوسانات تصادفی
• GARCH چند متغیره
• همگرایی و روندهای رایج

کتاب سازماندهی مختصر و متمرکز به خوانندگان اجازه می دهد تا ایده های مهم سری های زمانی را درک کنند. همه مثال‌ها به‌طور سیستماتیک با نرم‌افزار S-Plus® و R نشان داده شده‌اند، که ارتباط سری‌های زمانی در برنامه‌های مالی را برجسته می‌کند. تمرین‌های پایان فصل و راه‌حل‌های انتخابی به خوانندگان اجازه می‌دهد درک خود را از مطالب ارائه‌شده آزمایش کنند، و یک وب‌سایت مرتبط دارای مجموعه‌های داده اضافی است.

سری‌های زمانی: برنامه‌های کاربردی برای امور مالی با R و S-Plus® یک کتاب عالی برای دوره‌های سری زمانی مالی در سطوح فوق‌لیسانس و مقطع کارشناسی ارشد است. همچنین به عنوان یک منبع ضروری برای پزشکانی که با داده‌های مالی در زمینه‌های آمار، اقتصاد، تجارت و مدیریت ریسک کار می‌کنند، عمل می‌کند. صفحات 15-21):
فصل 3 مدل های میانگین متحرک اتورگرسیو (صفحه های 23-37):
فصل 4 تخمین در حوزه زمان (صفحات 39-57):
فصل 5 مثال هایی در Splus و R ( صفحات 59-69):
پیش بینی فصل 6 (صفحه های 71-81):
فصل 7 تجزیه و تحلیل طیفی (صفحه های 83-95):
فصل 8 غیر ایستایی (صفحات 97-103):
فصل 9 Heteroskedasticity (صفحات 105-122):
فصل 10 سری زمانی چند متغیره (صفحه های 123-141):
فصل 11 مدل های فضای حالت (صفحات 143-158):
فصل 12 چند متغیره GARCH (صفحات 1) 178):
فصل 13 هم ادغام ها و روندهای مشترک (صفحات 179-200):
فصل 14 روش های مونت کارلو زنجیره مارکوف (صفحات 201-222):
فصل 15 آربیتراژ آماری (صفحه های 223-238):
پاسخ‌های فصل 16 به تمرین‌های انتخابی (صفحات 239–281):

A new edition of the comprehensive, hands-on guide to financial time series, now featuring S-Plus® and R software

Time Series: Applications to Finance with R and S-Plus®, Second Edition is designed to present an in-depth introduction to the conceptual underpinnings and modern ideas of time series analysis. Utilizing interesting, real-world applications and the latest software packages, this book successfully helps readers grasp the technical and conceptual manner of the topic in order to gain a deeper understanding of the ever-changing dynamics of the financial world.

With balanced coverage of both theory and applications, this Second Edition includes new content to accurately reflect the current state-of-the-art nature of financial time series analysis. A new chapter on Markov Chain Monte Carlo presents Bayesian methods for time series with coverage of Metropolis-Hastings algorithm, Gibbs sampling, and a case study that explores the relevance of these techniques for understanding activity in the Dow Jones Industrial Average. The author also supplies a new presentation of statistical arbitrage that includes discussion of pairs trading and cointegration. In addition to standard topics such as forecasting and spectral analysis, real-world financial examples are used to illustrate recent developments in nonstandard techniques, including:

• Nonstationarity
• Heteroscedasticity
• Multivariate time series
• State space modeling and stochastic volatility
• Multivariate GARCH
• Cointegration and common trends

The book's succinct and focused organization allows readers to grasp the important ideas of time series. All examples are systematically illustrated with S-Plus® and R software, highlighting the relevance of time series in financial applications. End-of-chapter exercises and selected solutions allow readers to test their comprehension of the presented material, and a related Web site features additional data sets.

Time Series: Applications to Finance with R and S-Plus® is an excellent book for courses on financial time series at the upper-undergraduate and beginning graduate levels. It also serves as an indispensible resource for practitioners working with financial data in the fields of statistics, economics, business, and risk management.Content:
Chapter 1 Introduction (pages 1–14):
Chapter 2 Probability Models (pages 15–21):
Chapter 3 Autoregressive Moving Average Models (pages 23–37):
Chapter 4 Estimation in the Time Domain (pages 39–57):
Chapter 5 Examples in Splus and R (pages 59–69):
Chapter 6 Forecasting (pages 71–81):
Chapter 7 Spectral Analysis (pages 83–95):
Chapter 8 Nonstationarity (pages 97–103):
Chapter 9 Heteroskedasticity (pages 105–122):
Chapter 10 Multivariate Time Series (pages 123–141):
Chapter 11 State Space Models (pages 143–158):
Chapter 12 Multivariate GARCH (pages 159–178):
Chapter 13 Cointegrations and Common Trends (pages 179–200):
Chapter 14 Markov Chain Monte Carlo Methods (pages 201–222):
Chapter 15 Statistical Arbitrage (pages 223–238):
Chapter 16 Answers to Selected Exercises (pages 239–281):