財金時間序列分析：使用R語言（附光碟）

目次

Chapter 1 迴歸模型 ( 一)
1. 迴歸模型的意義
2. OLS 估計式的幾何特徵
2.1 OLS 估計式的數值特徵
2.2 Frisch-Waugh-Lovell 定理
3. 迴歸模型的假定與OLS
3.1 AT、AL 與AFR 的意義
3.2 AX 的假定
3.3 AH 與AN 的假定
3.4 Mann-Wald 定理

Chapter 2 迴歸模型 ( 二)
1. 統計推論
1.1 有關於β 的線性假設檢定
1.2 線性限制下的估計
1.3 一個例子：MRW（1992）
2. LR、Wald 與LM 檢定
2.1 ML 估計
2.2 LR、Wald 與LM 檢定
3. 初見拔靴法
3.1 拔靴法的原理
3.2 拔靴法於迴歸模型的應用

Chapter 3 ARIMA 模型 ( 一)
1. 隨機過程
1.1 定態的隨機過程
1.2 定態隨機過程之建構
1.3 落後運算式的應用
2. AR 過程
2.1 AR(p) 過程
2.2 衝擊反應函數

Chapter 4 ARIMA 模型( 二)
1. ARIMA 模型
1.1 MA 過程
1.2 ARMA 過程
1.3 ARIMA 模型的建立
1.4 預測
2. 非定態隨機過程的考量
2.1 虛假迴歸模型
2.2 Beveridge-Nelson 分解

Chapter 5 頻譜分析
1. 認識週期函數
1.1 正弦與餘弦函數
1.2 季節模型
2. 母體頻譜
2.1 自我共變異數產生函數
2.2 母體頻譜與其特徵
3. 母體頻譜的意義
3.1 母體頻譜的解釋
3.2 樣本週期圖
3.3 長期變異數
4. 母體頻譜的估計
4.1 長期變異數的估計
4.2 母體頻譜的估計

Chapter 6 單根檢定
1. 非定態分配理論
1.1 定態與非定態隨機過程變數
1.2 非定態變數的漸近分析
2. 傳統的單根檢定
2.1 DF 檢定
2.2 ADF 檢定
2.3 PP 檢定
2.4 KPSS 檢定
3. 較有效的單根檢定
3.1 除去趨勢化
3.2 ERS 檢定
3.3 有效的修正PP 檢定

Chapter 7 VAR 模型
1. SUR 模型與線性VAR 過程
1.1 SUR 模型
1.2 線性VAR 過程
2. VAR 模型的估計
2.1 OLS 與ML 估計
2.2 RGLS 估計
3. 定態的VAR 模型
3.1 預測
3.2 落後期p 選擇過程
3.3 Granger 因果關係
3.4 衝擊反應函數
3.5 預測誤差之變異數拆解
3.6 診斷檢定
4. 拔靴法
4.1 AR(p) 模型
4.2 VAR(p) 模型

Chapter 8 貝氏VAR 模型
1. 貝氏統計方法
1.1 貝氏理論與計算
1.2 線性迴歸模型
2. Gibbs 抽樣方法
2.1 線性迴歸模型的應用
2.2 Gibbs 抽樣的收斂
3. VAR 模型的應用
3.1 BVAR 模型
3.2 Minnesota 先驗

參考文獻

中文索引

英文索引