应用时间序列分析 R软件陪同第2版_吴喜之_9787111587026

本书通过案例讲述有关的概念和方法，不仅介绍了ARMA 模型、状态空间模型、Kalman 滤波、单位根检验和GARCH 模型等一元时间序列方法，还介绍了很多新的多元时间序列方法，如线性协整、门限协整、VAR 模型、Granger 因果检验、神经网络模型、可加AR 模型和谱估计等. 书中强调对真实的时间序列数据进行分析，全程使用R 软件分析了各个科学领域的实际数据，还分析了金融和经济数据的例子.本书通俗易懂，理论与应用并重，可作为高等院校统计学和经济管理等专业“时间序列分析”相关课程的教材，对金融和互联网等领域的相关从业者也极具参考价值.

前言多数国内时间序列教材的一些特点首先, 一些教材比较着重于数学理论和推导. 作者多为数学出身,他们习惯于数学的严格性和精确而又漂亮的数学结论的推导.这些书适用于那些愿意为时间序列的数学理论研究做出贡献的读者.其次, 国内教材中一元时间序列往往占绝大部分篇幅,而且包含在各种数学假定下的定理和结果.这可能是因为一元时间序列的数学描述确实很漂亮,很多结果都能够以比较简洁的数学语言表达出来. 而多元时间序列则很不一样,在一元情况下很漂亮的结果, 在多元情况下就完全不同了. 在数学上,繁琐的表达是不受人们喜爱的, 因此,多元时间序列很难在数学味道很浓的教科书中展开.很多教材对于真实时间序列的数据分析强调得不够. 那些数学味道浓的书,主要目的不是分析实际数据, 而且实际数据往往很难满足那些书上的数学假定,过多地讨论实际应用并不是这些书的重点.另外有一些教材的确强调应用, 作者很多也不是数学出身,书中也列举了一些数学假定和结论, 但往往没有花篇幅去完善和系统化,更没有用简明扼要的语言去做解释,使得无论是数学还是非数学出身的读者均不能很好地理解所用模型背后的机理.在涉及统计软件使用方面, 数学味道的书完全不用任何软件是可以理解的,但很多着重于应用的教科书只介绍昂贵的"傻瓜式"商业软件就不值得提倡了，因为介绍昂贵商业软件的教材客观上鼓励了使用盗版软件.商业软件不透明, 代码保密, 而且没有体现最新的成果,完全不能满足实际工作者的需要.本书的宗旨本书的读者对象是非数学专业的读者, 可以是本科生或者研究生,也可以是在校教师或者实际工作者.我们力图用简单通俗的语言阐述有关的基本概念和计算,并尽量通过案例来讲述各种时间序列方法,使得非数学背景的读者可以较容易地理解.同时,我们也把有关的数学结构用简单完整的方式阐述, 以供读者参考.本书全程使用免费、公开、透明的开源编程软件R[^1], 而且提供全部代码.R软件是世界上使用者最多的数据分析软件, 有着非常强大的统计界的支持,发展很快, 每天都有许多新的程序包加入, 到2017年年初,R的统计程序包数量已经超过10 000, 而2009年年底只有不到1000.新的统计方法大都以R程序包的形式首先展现在世人面前.这是任何商业软件所望尘莫及的.本书希望读者能够尽快地学会如何使用R软件解决读者自己的实际问题或数据.本书的实际例子都可以从网上下载, 或者从华章网站获取.本书也尽可能多地介绍最新的多元时间序列方法.除了各个科学领域的实际数据之外, 还包括了金融和经济数据的例子.第2版对整个结构做了较大的修改、增补和调整, 更便于理解和教学,并且做了一些订正.非常感谢云南财经大学谢佳春老师对本书提出的很好的意见, 改进了本书的质量.欢迎读者提出宝贵意见, 以使我们在本书再版时予以改进.作者曾经在美国University of California---Berkeley统计系本科时间序列课(STAT 153)及University of Michigan---Ann Arbor统计系的研究生时间序列课(STAT 531)上用过本书的内容.[^1]: R Core Team (2016). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/.吴喜之2017 年5 月

我要评论