Эта книга знакомит с новейшими разработками в области прогнозирования в рамках продвинутого количественного анализа данных. В ней представлены многочисленные модели множественной регрессии, которые можно непосредственно использовать для прогнозирования зависимых переменных, оценки прогнозных значений внутри выборки и расчета прогнозных значений за пределами периода выборки. Рассматриваются различные альтернативные модели множественной регрессии на основе одного, двух и трех временных рядов, которые разработаны с учетом специфических закономерностей роста каждой зависимой переменной - от самой простой модели до наиболее продвинутой. Приводятся графики наблюдаемых значений и оценки прогноза для каждой из моделей, чтобы показать наихудшие и наилучшие модели прогнозирования в каждом наборе моделей для конкретной независимой переменной.
В книге представлено множество современных продвинутых моделей прогнозирования, которых нет ни в одной другой книге. Это различные модели взаимодействия, модели с альтернативными трендами (включая модели с неоднородными трендами) и полные неоднородные модели для месячных, квартальных и годовых временных рядов. Каждую из моделей можно применить в любом количественном исследовании.
Книга содержит модели, прошедшие проверку в учебной аудитории, реальные данные, более 350 уравнений различных временных рядов и более 200 иллюстративных примеров с особыми примечаниями и комментариями. Она будет полезна исследователям и практикам, работающим с моделями прогнозирования, а также изучающим количественный анализ данных. Книга поможет лучше понять прогнозирование, в частности неопределенность прогнозных значений.
Эта книга рассматривает современные сложные методы прогнозирования с использованием передовых количественных данных. Книга продвигает сложное множественное прогнозирование переменных, которое может быть легко применено для прогнозирования зависимых переменных и оценки прогнозов до и после выборки. Также книга предоставляет разнообразные модели множественного прогнозирования на основе одного временного ряда, бинарных и тройных временных рядов, разработанные с учетом конкретных эволюций каждой зависимой переменной.
Электронная Книга «Advanced Time Series Data Analysis. Forecasting Using EViews» написана автором Группа авторов в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119504733
Описание книги от Группа авторов
Introduces the latest developments in forecasting in advanced quantitative data analysis This book presents advanced univariate multiple regressions, which can directly be used to forecast their dependent variables, evaluate their in-sample forecast values, and compute forecast values beyond the sample period. Various alternative multiple regressions models are presented based on a single time series, bivariate, and triple time-series, which are developed by taking into account specific growth patterns of each dependent variables, starting with the simplest model up to the most advanced model. Graphs of the observed scores and the forecast evaluation of each of the models are offered to show the worst and the best forecast models among each set of the models of a specific independent variable. Advanced Time Series Data Analysis: Forecasting Using EViews provides readers with a number of modern, advanced forecast models not featured in any other book. They include various interaction models, models with alternative trends (including the models with heterogeneous trends), and complete heterogeneous models for monthly time series, quarterly time series, and annually time series. Each of the models can be applied by all quantitative researchers. Presents models that are all classroom tested Contains real-life data samples Contains over 350 equation specifications of various time series models Contains over 200 illustrative examples with special notes and comments Applicable for time series data of all quantitative studies Advanced Time Series Data Analysis: Forecasting Using EViews will appeal to researchers and practitioners in forecasting models, as well as those studying quantitative data analysis. It is suitable for those wishing to obtain a better knowledge and understanding on forecasting, specifically the uncertainty of forecast values.
