The Cointegrated VAR Model pdf epub mobi txt 电子书下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:Oxford University Press

作者:Katarina Juselius

出品人:

页数:477

译者:

出版时间:2007-2

价格:USD 62.15

装帧:Paperback

isbn号码:9780199285679

丛书系列:

图书标签:

数学
Econometrics
计量经济学
时间序列分析
协整
向量自回归
VAR模型
金融建模
经济预测
统计建模
因果推断
Python
R
EViews

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到小美书屋

book.quotespace.org

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

This valuable text provides a comprehensive introduction to VAR modelling and how it can be applied. In particular, the author focuses on the properties of the Cointegrated VAR model and its implications for macroeconomic inference when data are non-stationary. The text provides a number of insights into the links between statistical econometric modelling and economic theory and gives a thorough treatment of identification of the long-run and short-run structure as well as of the common stochastic trends and the impulse response functions, providing in each case illustrations of applicability. This book presents the main ingredients of the Copenhagen School of Time-Series Econometrics in a transparent and coherent framework. The distinguishing feature of this school is that econometric theory and applications have been developed in close cooperation. The guiding principle is that good econometric work should take econometrics, institutions, and economics seriously. The author uses a single data set throughout most of the book to guide the reader through the econometric theory while also revealing the full implications for the underlying economic model. To test ensure full understanding the book concludes with the introduction of two new data sets to combine readers understanding of econometric theory and economic models, with economic reality.

探索金融时间序列的深层结构：协整向量自回归模型及其前沿应用一部深度剖析宏观经济与金融市场复杂动态的权威著作本书并非专注于介绍“The Cointegrated VAR Model”这一特定模型或著作，而是致力于为读者提供一个全面、深入且与时俱进的框架，用以理解、构建和应用复杂金融时间序列分析的核心工具——向量自回归（VAR）模型及其在处理非平稳数据时的关键扩展，尤其是协整理论。我们旨在超越基础计量经济学的范畴，聚焦于如何利用这些强大的统计工具来揭示宏观经济变量、资产价格与政策干预之间错综复杂的相互作用和长期均衡关系。本书的核心关注点在于：如何将看似随机波动的金融与经济数据，通过严谨的数学和统计方法，转化为可供决策者理解和利用的结构化信息。我们将从时间序列分析的基础公理出发，逐步搭建起一个分析非平稳数据的理论堡垒。第一部分：时间序列分析的基石与挑战本部分为读者打下坚实的理论基础，重点阐述了现代宏观计量经济学分析所必须面对的“非平稳性”挑战。第一章：随机过程与时间序列的性质我们将详细回顾平稳性（Strict Stationarity与Weak Stationarity）的定义及其重要性。讨论随机游走、单位根过程（Unit Root Processes）的识别与检验（如Augmented Dickey-Fuller (ADF) 检验、Phillips-Perron (PP) 检验），并深入探讨确定性趋势与随机趋势的本质区别。本章强调，许多关键的宏观经济变量（如GDP、通货膨胀率、利率）本质上都具有单位根结构，这使得传统的基于水平数据的回归分析（OLS）存在严重的伪回归（Spurious Regression）风险。第二章：向量自回归（VAR）模型的构建与估计 VAR模型是分析多变量动态系统的基石。本章细致讲解了VAR模型的数学形式，包括其矩阵表示法。重点在于模型定阶的艺术与科学：如何选择最优滞后阶数（Lag Length Selection Criteria，如AIC, BIC, HQIC），以及模型估计（如最小二乘法、广义最小二乘法）的细节。我们还会讨论如何进行VAR模型的稳定性检验，确保模型的动态预测是可靠的。第三章：VAR模型的应用：脉冲响应与方差分解一旦模型建立，其价值便体现在其解释能力上。本章深入探讨了脉冲响应函数（Impulse Response Functions, IRFs）：如何追踪一个变量的冲击如何随时间在系统中传播，以及其影响的持续时间。此外，方差分解（Forecast Error Variance Decomposition, FEVD）的计算方法被详述，它量化了系统中不同变量对预测误差的相对贡献。在此基础上，我们还将讨论结构化冲击识别的必要性与挑战，包括使用Cholesky分解进行递归识别的局限性与如何应用非递归约束（如基于经济理论的零约束或符号约束）来获得更具经济意义的结构化冲击。第二部分：非平稳数据的统一：协整理论的精髓本部分是全书的核心，旨在系统阐述处理具有长期均衡关系的非平稳时间序列的方法。第四章：单变量的整合与协整的直觉本章从单变量出发，引入积分（Integration）的概念。如果一个非平稳序列$Y_t$经过$d$次差分后变为平稳序列，则称$Y_t$是$I(d)$的。重点探讨了$I(1)$过程。随后，我们将引入协整理论（Cointegration）的直觉：两个或多个非平稳序列，虽然各自是随机游走，但它们的某个线性组合却是平稳的，这暗示着变量之间存在长期、稳定的均衡关系。第五章：多变量协整理论：Johansen方法本章聚焦于构建和检验多变量系统中的协整关系，即向量误差修正模型（Vector Error Correction Model, VECM）的基础。我们将全面解析Johansen检验的统计原理，包括最大似然估计法、迹检验（Trace Test）与最大特征值检验（Maximal Eigenvalue Test）的实际操作与解释。读者将学会确定协整秩（Cointegrating Rank，$r$），即确定系统中存在多少个独立的长期均衡关系。第六章：向量误差修正模型（VECM）的构建与解释 VECM是协整VAR模型的动态体现。本章详细讲解了VECM的结构，它将短期动态调整（由差分项表示）与长期均衡调整（由协整残差项，即误差修正项ECM表示）结合起来。我们将展示如何从VECM中提取出长期均衡关系（协整向量）和短期调整系数（速度矩阵），从而清晰地量化经济主体如何快速或缓慢地从短期偏离中回归到长期均衡状态。第三部分：前沿模型与实际应用深化本书的最后部分将视野拓展到更复杂、更贴近实际金融与宏观经济分析的高级模型。第七章：时间变系数模型与非线性协整传统的VAR/VECM模型假设参数在整个样本期内是恒定的。本章探讨了参数随时间变化的场景。我们将讨论时间变系数VAR（TVP-VAR）模型，特别是在处理金融危机等结构性突变事件时的优势。此外，还简要介绍了在特定非线性场景下（如门限效应、状态依赖转换）如何识别和建模经济系统的结构性变化。第八章：宏观经济中的协整应用案例：利率平价与购买力平价通过具体的经济学理论，如利率平价（IRP）和购买力平价（PPP），我们演示了如何将协整分析应用于检验经济学上的长期约束条件。案例研究将包括对长期国债收益率期限结构、汇率与价格水平关系的时间序列实证检验。第九章：金融市场高频数据与高阶VAR模型面对金融市场的高频数据，传统的低频VAR模型往往力不从心。本章探讨了高阶（High-Order）VAR模型以及在处理异方差性（如使用GARCH/DCC-GARCH扩展）和高频数据的频率域分析方法。重点将放在如何使用这些工具来精确测度金融风险溢出（Risk Spillover）和市场联动性。本书旨在为高级经济学研究生、计量经济学研究人员以及金融机构的量化分析师提供一个全面、实用且富有洞察力的分析工具箱，使读者能够自信地处理和解释复杂、非平稳的金融与宏观经济时间序列数据。