近几年间，研究者分析时间序列数据的方式发生了显著的变化。因此，很有必要对这一日益重要的研究领域的新近发展进行综合，并整体呈现出来。作者第一次对时间序列分析的相关进展做出详细、全面的梳理与阐述。这些研究进展包括向量自回归、广义矩估计、单位根的经济与统计结果、非线性时间序列等。另外，作者在本书中还阐述了包括线性表征、自相关、生成函数、谱分析、卡尔曼滤波等动态系统的传统分析工具。这些内容有助于经济理论研究和解释现实世界的数据.
本书将为学生、研究者和预测人员提供对动态系统、计量经济和时间序列分析的独立而明确的全面分析。从最简单的原理出发，作者的清晰表达使得一年级研究生和非专业人士也能理解相关内容的历史进展和新近发展。同时，由于其全面性，使得该书为研究者了解学术前沿提供了宝贵的参考文献。作者一方面通过大量的例子展示理论结果如何运用于实践，另一方面在相关章节后面提供了详细的数学附录。作为为相关领域学生和研究者提供的理论路线图，该书将成为未来若干年相关领域的权威指导书。
作者简介：
詹姆斯D汉密尔顿（JamesD.Hamilton）现为加州大学圣地亚哥分校（UniversityofCalifornia,SanDiego）经济学教授，1983年毕业于加州大学伯克利分校（UniversityofCalifornia,Berkeley）,早年曾在弗吉尼亚大学（TheUniversityofVirginia）任教。他在时间序列和能源经济学研究上取得了丰硕的研究成果。
目录：
（上册）
第1章差分方程
1.1一阶差分方程
1.2p阶差分方程
附录1.A第1章性质证明
第1章参考文献
第2章滞后算子
2.1简介
2.2一阶差分方程
2.3二阶差分方程
2.4p阶差分方程
2.5初始条件及无界序列
第2章参考文献
第3章平稳自回归移动平均过程
3.1期望、平稳性和遍历性（上册）
第1章差分方程
1.1一阶差分方程
1.2p阶差分方程
附录1.A第1章性质证明
第1章参考文献
第2章滞后算子
2.1简介
2.2一阶差分方程
2.3二阶差分方程
2.4p阶差分方程
2.5初始条件及无界序列
第2章参考文献
第3章平稳自回归移动平均过程
3.1期望、平稳性和遍历性
3.2白噪声
3.3移动平均过程
3.4自回归过程
3.5混合自回归移动平均过程
3.6自协方差生成函数
3.7可逆性
附录3.A无限阶移动平均过程的收敛结论
第3章习题
第3章参考文献
第4章预测
4.1预测的原理
4.2基于无限个观测的预测
4.3基于有限个观测的预测
4.4正定对称矩阵的三角分解
4.5线性投影更新
4.6高斯过程的最优预测
4.7自回归移动平均过程的和
4.8沃尔德分解与博克斯詹金斯建模哲学
附录4.A普通最小二乘回归与线性投影
附录4.B一阶移动平均过程协方差矩阵的三角分解
第4章习题
第4章参考文献
第5章极大似然估计
5.1简介
5.2高斯一阶自回归过程的似然函数
5.3高斯p阶自回归过程的似然函数
5.4高斯一阶移动平均过程的似然函数
5.5高斯q阶移动平均过程的似然函数
5.6高斯p阶自回归q阶移动平均过程的似然函数
5.7数值优化
5.8极大似然估计的统计推断
5.9不等式约束
附录5.A第5章性质证明
第5章习题
第5章参考文献
第6章谱分析
6.1总体谱
6.2样本谱
6.3总体谱估计
6.4谱分析的应用
附录6.A第6章性质证明
第6章习题
第6章参考文献
第7章渐近分布理论
7.1渐近分布理论回顾
7.2序列相关观测的极限定理
附录7.A第7章性质证明
第7章习题
第7章参考文献
第8章线性回归模型
8.1确定性回归元与独立同分布高斯扰动下的普通最小二乘法回顾
8.2一般条件下的普通最小二乘法
8.3广义最小二乘法
附录8.A第8章性质证明
第8章习题
第8章参考文献
第9章线性联立方程系统
9.1联立方程偏差
9.2工具变量与两阶段最小二乘法
9.3识别
9.4完全信息极大似然估计
9.5基于简化型的估计
9.6联立方程偏差综述
附录9.A第9章性质证明
第9章习题
第9章参考文献
第10章协方差平稳的向量过程
10.1向量自回归简介
10.2向量过程的自协方差与收敛性结论
10.3向量过程的自协方差生成函数
10.4向量过程的谱
10.5向量过程的样本均值
附录10.A第10章性质证明
第10章习题
第10章参考文献
第11章向量自回归
11.1无约束向量自回归的极大似然估计与假设检验
11.2二元格兰杰因果检验
11.3有约束向量自回归的极大似然估计
11.4脉冲响应函数
11.5方差分解
11.6向量自回归与结构计量模型
11.7脉冲响应函数的标准误
附录11.A第11章性质证明
附录11.B解析导数的计算
第11章习题
第11章参考文献
第12章贝叶斯分析
12.1贝叶斯分析简介
12.2向量自回归的贝叶斯分析
12.3数值贝叶斯方法
附录12.A第12章性质证明
第12章习题
第12章参考文献
第13章卡尔曼滤波
13.1动态系统的状态空间表达
13.2卡尔曼滤波的推导
13.3基于状态空间表达的预测
13.4参数的极大似然估计
13.5稳态卡尔曼滤波
13.6平滑
13.7卡尔曼滤波的统计推断
13.8时变参数
附录13.A第13章性质证明
第13章习题
第13章参考文献
第14章广义矩方法
14.1广义矩估计
14.2例子
14.3拓展
14.4广义矩与极大似然估计
附录14.A第14章性质证明
第14章习题
第14章参考文献
（下册）
第15章非平稳时间序列模型
15.1简介
15.2为什么考虑线性时间趋势和单位根?
15.3趋势平稳和单位根过程的比较
15.4单位根检验的含义
15.5趋势时间序列的其他方法
附录15.A第15章部分公式的推导
第15章参考文献
第16章确定性时间趋势过程
16.1简单时间趋势模型普通最小二乘估计的渐近分布
16.2简单时间趋势模型的假设检验
16.3含确定性时间趋势的自回归过程的渐近推断
附录16.A第16章部分公式的推导
第16章习题
第16章参考文献
第17章带有单位根的单变量过程
17.1简介
17.2布朗运动
17.3泛函中心极限定理
17.4真实系数为1时一阶自回归的渐近性质
17.5存在一般序列相关的单位根过程的渐近结论
17.6单位根的菲利普斯佩龙检验
17.7p阶自回归的渐近性质和增广的迪基富勒单位根检验
17.8单位根检验的其他方法
17.9贝叶斯分析和单位根
附录17.A第16章性质证明
第17章习题
第17章参考文献
第18章多变量时间序列的单位根
18.1非平稳向量过程的渐近结果
18.2包含单位根的向量自回归过程
18.3伪回归
附录18.A第18章性质证明
第18章习题
第18章参考文献
第19章协整
19.1简介
19.2零假设为没有协整关系的检验
19.3协整向量的假设检验
附录19.A第19章性质证明
第19章习题
第19章参考文献
第20章协整系统的完全信息极大似然分析
20.1典则相关
20.2极大似然估计
20.3假设检验
20.4单位根检验综述———差分还是不差分?
附录20.A第20章性质证明
第20章习题
第20章参考文献
第21章带有异方差的时间序列模型
21.1自回归条件异方差（ARCH）
21.2扩展
附录21.A第21章部分公式的推导
第21章参考文献
第22章机制变化的时间序列建模
22.1简介
22.2马尔可夫链
22.3独立同分布的混合分布的统计分析
22.4机制变化的时间序列模型
附录22.A第22章部分公式的推导
第22章习题
第22章参考文献
附录A数学回顾
A.1三角学
A.2复数
A.3微积分
A.4矩阵代数
A.5概率和统计
附录A参考文献
附录B统计表
附录C部分习题答案
附录D本书所用的希腊字母与数学符号
主题索引
译后记
|
