"Long-Memory Time Series" - книга, представляющая собой самодостаточное и современное руководство по анализу данных с долгосрочной зависимостью. Она описывает теорию и методы, разработанные для работы с такими данными, и демонстрирует их применение на реальных временных рядах. Книга систематически организована: она начинается с основных сведений, затем переходит к анализу методологических аспектов (методы оценки, асимптотическая теория, гетероскедастичные модели, преобразования, байесовские методы и прогнозирование) и расширяет эти техники до более сложных структур данных.
Для лучшего понимания книга:
- Предполагает базовое знание математического анализа и линейной алгебры, а также объясняет более продвинутые статистические и математические концепции.
- Содержит множество примеров, ускоряющих понимание и иллюстрирующих различные последствия теоретических результатов.
- Доказывает все теоретические результаты (теоремы, леммы, следствия и т.д.) или ссылается на ресурсы для дальнейшего демонстрирования.
- Включает подробный анализ вычислительных аспектов, связанных с реализацией описанных методик, включая эффективность алгоритмов, арифметическую сложность, время работы ЦП и т.д.
- Включает предложенные проблемы в конце каждой главы, чтобы помочь читателям закрепить свое понимание и практиковать свои навыки.
Эта книга является ценным ресурсом для исследователей и практиков в области анализа временных рядов, эконометрики, финансов и смежных областей. Она также отлично подходит для начальных курсов магистратуры по процессам с долгосрочной памятью или в качестве дополнительного учебника для студентов, изучающих продвинутую статистику, математику, экономику, финансы, инженерию или физику. Книга сопровождается веб-сайтом, на котором читатели могут получить доступ к наборам данных S-Plus и R, используемых в тексте.
Самостоятельный, современный подход к анализу данных с долговременной зависимостью "Long-Memory Time Serial: Теория и методы" предлагает обзор теории и методов, развиваемых для работы с такими данными, а также описывает приложения этих методов к реальным временным рядам. Изданная в систематизированном порядке, книга начинается с фундаментальных основ, переходит к практическим аспектам (методы оценки, асимптотическая теория, гетероскедастичные модели, преобразования, байесовские методы, и прогнозирование) и затем расширяет эти методы к более сложным типам данных. Для облегчения понимания, книга: 1. предполагает базовые знания в области исчисления и линейной алгебры, объясняет более сложные статистические и математические концепции; 2. предоставляет множество примеров, которые ускоряют понимание и иллюстрируют различные следствия теоретических результатов; 3. доказывает все теоретические результаты (теоремы, леммы, следствия и т.д.) или отсылает читателей к ресурсам с дальнейшей демонстрацией; 4. предоставляет подробный анализ вычислительных аспектов, связанных с применением описываемых методик, включая эффективность алгебр, арифметическую сложность, время процессора и другие моменты; 5. добавляет вопросы к каждой главе в конце, чтобы помочь читателям усилить их понимание и применить навыки. Эта книга выступает как окончательный периодический ресурс для исследователей и практиков в анализе временных рядов, экономике, финансах и родственных областях, она также отлично подходит для начального курса для магистров по длительным процессам или как дополнительное руководство для тех, кто изучает продвинутую статистику, математику, экономику, финансы, инженерное дела или физику. Сопутствующий веб-сайт доступен для читателей, чтобы получить доступ к пакетам данных S-Plus и R, использованным внутри текста.
Электронная Книга «Long-Memory Time Series» написана автором Группа авторов в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9780470131459
Описание книги от Группа авторов
A self-contained, contemporary treatment of the analysis of long-range dependent data Long-Memory Time Series: Theory and Methods provides an overview of the theory and methods developed to deal with long-range dependent data and describes the applications of these methodologies to real-life time series. Systematically organized, it begins with the foundational essentials, proceeds to the analysis of methodological aspects (Estimation Methods, Asymptotic Theory, Heteroskedastic Models, Transformations, Bayesian Methods, and Prediction), and then extends these techniques to more complex data structures. To facilitate understanding, the book: Assumes a basic knowledge of calculus and linear algebra and explains the more advanced statistical and mathematical concepts Features numerous examples that accelerate understanding and illustrate various consequences of the theoretical results Proves all theoretical results (theorems, lemmas, corollaries, etc.) or refers readers to resources with further demonstration Includes detailed analyses of computational aspects related to the implementation of the methodologies described, including algorithm efficiency, arithmetic complexity, CPU times, and more Includes proposed problems at the end of each chapter to help readers solidify their understanding and practice their skills A valuable real-world reference for researchers and practitioners in time series analysis, economerics, finance, and related fields, this book is also excellent for a beginning graduate-level course in long-memory processes or as a supplemental textbook for those studying advanced statistics, mathematics, economics, finance, engineering, or physics. A companion Web site is available for readers to access the S-Plus and R data sets used within the text.
