Libri per l'autoanalisi delle serie storiche?

Ho iniziato con l'analisi delle serie storiche di Hamilton, ma mi sono perso senza speranza. Questo libro è davvero troppo teorico per me da imparare da solo.

Qualcuno ha una raccomandazione per un libro di testo sull'analisi delle serie temporali che è adatto per l'autoapprendimento?

Consiglierei i seguenti libri:

1. Analisi delle serie storiche e sue applicazioni: con esempi R
2. Analisi e previsioni delle serie storiche per esempio

Spero che ti aiuti. Buona fortuna!

Previsioni: principi e pratiche di Rob J Hyndman e George Athanasopoulos sono disponibili gratuitamente online: http://otexts.com/fpp/

È un buon libro a sé stante; Il precedente libro di previsioni di Hyndman con Makridakis e Wheelright è molto apprezzato, ma questo ha l'ulteriore vantaggio di poter vedere ciò che si ottiene per il prezzo.

Ci sono tre libri a cui continuo a fare riferimento dal punto di vista della Rprogrammazione e dell'analisi delle serie temporali:

1. Analisi delle serie storiche e sue applicazioni: con esempi R di Shumway e Stoffer
2. Analisi delle serie storiche: con applicazioni in R di Cryer e Chan.
3. Serie storiche introduttive con R di Cowpertwait e Metcalfe

Il primo libro di Shumway e Stoffer ha una versione open source (abbreviata) disponibile online chiamata versione EZgreen.

Se stai specificamente esaminando le previsioni sulle serie temporali, consiglierei i seguenti libri:

1. Metodi e applicazioni di previsione di Makridakis, Wheelwright e Hyndman. Continuo a fare riferimento a questo libro ripetutamente, questo è un classico, lo stile di scrittura è assolutamente fenomenale.
2. Un successore online del libro sopra con bei esempi di R è Principi e pratica di previsione di Hyndman e Athanasopoulos.
3. Se stai guardando il classico approccio di modellazione Box Jenkins, consiglierei l' analisi delle serie storiche : previsioni e controllo di Box, Jenkins e Reinsel.
4. Un trattamento eccezionale sulla modellizzazione e la previsione delle funzioni di trasferimento è nelle previsioni con i modelli di regressione dinamica di Pankratz . Ancora una volta lo stile di scrittura è assolutamente fantastico.
5. Un altro estremamente utile se si sta applicando la previsione per risolvere i problemi del mondo reale è Principi di previsione di Armstrong.

A mio avviso, i libri 1, 4 e 5 sono tra i migliori dei migliori libri. A molti piacciono i Principi di previsione e la pratica di Hyndman e Athanasopoulos perché è open source e ha Rcodici. Non è affatto più vicino all'ampiezza, alla profondità della copertura dei metodi di previsione e allo stile di scrittura del suo predecessore Makridakis et al. Di seguito sono riportate alcune caratteristiche contrastanti sul perché mi piacciono i Makridakis et al:

1. Elenco di riferimenti: ad esempio nel capitolo di Box Jenkins Makridakis et al. Ha ~ 31 riferimenti, Hyndman et al. Ci sono pochissimi o nessun riferimento in molti capitoli.
2. Ampiezza e profondità nella copertura - Hyndman et al. principalmente concentrarsi sui metodi univariati sviluppati appositamente dal primo autore, mentre Makridakis et. tutti si concentrano non solo sulla propria ricerca, ma su una vasta gamma di metodi e applicazioni e anche l'enfasi è sull'applicazione e sull'apprendimento del mondo reale, anziché essere maggiormente focalizzati sul mondo accademico.
3. Stile di scrittura - Non posso davvero lamentarmi perché entrambi i libri sono eccezionalmente ben scritti. Tuttavia, mi rivolgo personalmente a Makridakis perché riduce concetti complessi in sezioni intuitive per i lettori. C'è una sezione sulla regressione dinamica o sulle funzioni di trasferimento, dove non ho trovato spiegazioni così chiare su questo "metodo complesso". Ci vuole un talento di scrittura straordinario per aiutare il lettore a capire cos'è la regressione dinamica in 15 pagine e ci riescono.
4. Makridakis et al è agnostico software / metodo ed elencano alcuni pacchetti software utili e li confrontano e li confrontano (sebbene abbia quasi 20 anni) è ancora molto prezioso per un professionista.
5. Tre capitoli dedicati su come applicare le previsioni nel mondo reale in Makridakis et al. che è un grande vantaggio da avere per un praticante.

La previsione semplicemente non esegue metodi univariati come arima e livellamento esponenziale e produzione di risultati. È molto più di questo, e soprattutto delle previsioni strategiche quando si guarda in un orizzonte più lungo. I principi di previsione di Armstrong vanno oltre i metodi univariati di estrapolazione ed è altamente raccomandato a chiunque faccia previsioni sul mondo reale, in particolare le previsioni strategiche.

Dipende da quanto matematica vuoi. Per un trattamento meno matematicamente intenso, Applied Econometric Time Series di Enders è molto apprezzato.

La quarta parte di Damodar Gujarati e Dawn Porter's Basic Econometrics (5a edizione) contiene cinque capitoli sull'econometria delle serie storiche: un libro molto popolare! Contiene molti esercizi, risultati di regressione, interpretazioni e, soprattutto, è possibile scaricare i dati dal sito Web del libro e replicare i risultati autonomamente. Un altro buon libro è Introduzione all'econometria di Stock e Watson .

Iniziare con Hamilton è stato ammirevole, ma direi di aver letto entrambe le sezioni della serie temporale nei due libri che ho appena citato e poi passare a qualcosa come Applied Econometric Time Series di Walter Enders o The Modeling of Financial di Terrence C Mill Serie storiche .

Dopo questo (e probabilmente dopo qualche revisione di economia matematica), dovresti essere in grado di sederti e leggere comodamente Hamilton.

Nota: analisi di serie storiche classiche di Box & Jenkins del 1970: le previsioni e il controllo sono ovviamente più concentrati (cioè nei contenuti più ristretti) rispetto ai "libri di testo moderni" di cui ho parlato, ma direi che chiunque voglia capire davvero delle serie storiche non dovrebbe lasciarlo fuori dalla loro lista di lettura.

Oltre all'altro testo ci sono due libri introduttivi in ​​Springer's Use R! serie che coprono serie temporali: serie temporali
introduttive con R ed econometria applicata in R

C'è anche un testo econometria avanzato della serie, analisi della gestione integrata e Co-integrato di serie storiche con R .

Non ho usato questi, ma ho trovato molti altri nella serie per essere eccellenti.

Ci sono alcune buone risorse online gratuite:

1. The Little Book of R for Time Series , di Avril Coghlan (disponibile anche in stampa, ragionevolmente economico) - Non ho letto tutto questo, ma sembra che sia ben scritto, abbia alcuni buoni esempi e inizi sostanzialmente da zero ( cioè facile entrare).
2. Capitolo 15, Statistiche con R , di Vincent Zoonekynd - Introduzione decente, ma probabilmente leggermente più avanzata. Trovo che ci sia troppo codice (mal commentato) e non abbastanza spiegazione di ciò.

Se trovi Hamilton troppo difficile, allora c'è Introduzione alla modellazione econometrica Princeton Uni Press di Bent Nielsen e David Hendry. Si concentra più sull'intuizione e sulle pratiche pratiche che sulla teoria più profonda. Quindi, se hai un limite di tempo, sarebbe un buon approccio.

Consiglierei comunque di perseverare con l'analisi delle serie storiche di Hamilton. È matematicamente molto profondo e i primi quattro capitoli ti faranno andare avanti per lungo tempo e serviranno come una forte introduzione all'argomento. Copre anche la non-causalità e la cointegrazione di Granger e se decidi di approfondire questo argomento, è una risorsa inestimabile.

Per un trattamento più intuitivo della cointegrazione, consiglierei anche Cointegration, causalità e previsione di Engle e White.

Infine, per trattamenti molto avanzati, c'è il libro di Soren Johansen "Inferenza basata sui rischi in VAR cointegrati" e, naturalmente, "Econometria dinamica" di David Hendry.

Tra questi due, penso che Hendry sia più orientato al quadro generale e Johansen sia piuttosto impegnativo in matematica.

Analisi delle serie storiche: metodi univariati e multivariati di William Wei e David P. Reilly - è un ottimo libro sulle serie storiche e abbastanza inesperto. C'è una versione aggiornata ma a un prezzo molto più alto. Non include esempi R. Include esplicitamente una grande discussione / presentazione delle procedure di rilevamento degli interventi che vengono ignorate nelle soluzioni semplificate / nei libri di testo introduttivi.

C'è il NBER Summer Institute "Novità in Time Series Econometrics" (non sono sicuro che questo materiale sia recintato o meno). Ci sono video con diapositive di accompagnamento. Le lezioni sono tenute da una coppia di professori (Stock e Watson) che sono noti per il loro popolare libro di testo econometrico universitario.

A mio avviso, non puoi davvero battere le previsioni: principi e pratica. È scritto dallo stesso CV Rob Hyndman e George Athanasopoulos, è disponibile gratuitamente online e ha tonnellate di codice di esempio in R, facendo uso dell'eccellente pacchetto di previsioni .

Se usi Stata, Introduzione alle serie storiche L'utilizzo di Stata di Sean Becketti è un'introduzione delicata e solida, con molti esempi e un'enfasi sull'intuizione sulla teoria. Penso che questo libro integrerebbe piuttosto bene Ender.

Il libro si apre con un'introduzione al linguaggio Stata, seguito da una rapida revisione dei test di regressione e di ipotesi.

La parte delle serie temporali inizia con la media mobile e le tecniche di Holt-Winters per smussare e prevedere i dati. La sezione successiva si concentra sull'uso di questi per la previsione delle tecniche. Questi metodi sono spesso trascurati, ma funzionano piuttosto bene per le previsioni automatizzate e sono facili da spiegare. Becketti spiega quando funzioneranno e quando non lo faranno.

I capitoli seguenti riguardano i modelli di serie temporali a singola equazione come i disturbi autocorrelati, i modelli ARIMA e ARCH / GARCH.

Alla fine, Becketti discute modelli di equazioni multiple, in particolare VAR e VEC, e serie temporali non stazionarie.

Ci sono alcuni libri che potrebbero essere utili. Se sei sfidato matematicamente, potresti voler iniziare con due libri SAGE di Mcdowall, Mcleary, Meidinger e Hay chiamati "Interrupted Time Series Analysis" 1980 O "Applied Time Series Analysis" di Richard McLeary. Man mano che impari di più sulle serie temporali e decidi che vuoi qualcosa di più della prosa e che sei disposto a soffrire per un po 'di matematica, il testo di Wei pubblicato da Addison-Wessley intitolato "Analisi delle serie temporali" sarebbe una scelta eccellente. In termini di materiale didattico basato sul web, ho scritto un sacco di materiale utile che può essere visualizzato su http://www.autobox.com/cms/index.php/afs-university/intro-to-forecasting intitolato "Introduzione alle previsioni ".

HILL GRIFFITHS LIM 2011 "Principles of Econometrics" 4E Wiley
Vantaggi:
(1) Molto facile da seguire. Gli argomenti sono ben presentati. Anche se non ho seguito alcun corso econometrico nella mia vita, ho afferrato facilmente l'econometria introduttiva con il libro.

(2) Esistono libri integrativi per comprendere il libro di HILL:
a. Utilizzo di EViews per Principles of Econometrics
b. Utilizzo di Excel per i principi di econometria
c. Utilizzo di Gretl per i principi di econometria
d. Usando gli stati per i principi di econometria

Svantaggi:
(1) Non esiste "Uso di R per i principi di econometria"!
R è uno standard industriale. R è meglio di Python. La matematica in mente può essere meglio riflessa sul codice tramite R (lo sto dicendo come persona che ha scritto moduli VBA in Excel, ha scritto codici Gretl, ha scritto codici Eviews).

Ho avviato econometria con "GREENE 2011 Analisi econometrica - WH GREENE 7E PearsonPrentice Hall" Anche questo è bello, ma più teorico; potrebbe essere difficile per i principianti.

In sintesi, consiglio vivamente di afferrare Econometrics con il libro di Hill e applicare tale comprensione tramite un altro libro di Econometry basato su R.