Buku untuk analisis deret waktu belajar mandiri?

Saya mulai dengan Time Series Analysis oleh Hamilton, tetapi saya tersesat. Buku ini benar-benar terlalu teoretis untuk saya pelajari sendiri.

Adakah yang punya rekomendasi untuk buku teks tentang analisis deret waktu yang cocok untuk belajar sendiri?

Saya akan merekomendasikan buku-buku berikut:

1. Analisis Rangkaian Waktu dan Aplikasinya: Dengan Contoh R
2. Analisis Rangkaian Waktu dan Peramalan dengan Contoh

Saya harap ini membantu Anda. Semoga berhasil!

Peramalan: prinsip dan praktik oleh Rob J Hyndman dan George Athanasopoulos tersedia gratis secara online: http://otexts.com/fpp/

Ini adalah buku yang bagus; Buku peramalan Hyndman sebelumnya dengan Makridakis dan Wheelright sangat dihargai, tetapi ini memiliki keuntungan tambahan bahwa Anda dapat melihat apa yang Anda dapatkan dari harganya.

Ada tiga buku yang selalu saya rujuk dari perspektif Rpemrograman dan analisis deret waktu:

1. Analisis Rangkaian Waktu dan Aplikasinya: Dengan Contoh R oleh Shumway dan Stoffer
2. Analisis Rangkaian Waktu: Dengan Aplikasi dalam R oleh Cryer dan Chan.
3. Seri Waktu Pendahuluan dengan R oleh Cowpertwait dan Metcalfe

Buku pertama oleh Shumway dan Stoffer memiliki versi open source (ringkasan) yang tersedia online yang disebut versi EZgreen.

Jika Anda secara khusus melihat peramalan seri waktu, saya akan merekomendasikan buku-buku berikut:

1. Metode dan Aplikasi Peramalan oleh Makridakis, Wheelwright dan Hyndman. Saya terus mengacu pada buku ini berulang kali, Ini adalah gaya penulisan klasik, benar-benar fenomenal.
2. Pengganti online untuk buku di atas dengan contoh R yang bagus adalah Prinsip dan Praktik Peramalan oleh Hyndman dan Athanasopoulos.
3. Jika Anda melihat pendekatan pemodelan Box Jenkins klasik, saya akan merekomendasikan Time Series Analysis: Forecasting and Control oleh Box, Jenkins dan Reinsel.
4. Perlakuan luar biasa pada pemodelan dan peramalan fungsi transfer dalam Peramalan dengan Model Regresi Dinamis oleh Pankratz . Lagi-lagi gaya penulisan benar-benar hebat.
5. Lain yang sangat berguna jika Anda menerapkan peramalan untuk memecahkan masalah dunia nyata adalah Prinsip Peramalan oleh Armstrong.

Menurut pendapat saya, buku 1, 4 dan 5 adalah beberapa buku terbaik dan terbaik. Banyak yang menyukai Prinsip dan Praktik Peramalan oleh Hyndman dan Athanasopoulos karena bersifat open source dan memiliki Rkode. Tidak ada yang lebih dekat dengan luasnya, kedalaman cakupan metode peramalan dan gaya penulisan pendahulunya Makridakis dkk.

1. Daftar referensi: misalnya dalam bab Box Jenkins Makridakis et al memiliki ~ 31 referensi, Hyndman et al. Ada sangat sedikit atau tidak ada referensi dalam banyak bab.
2. Luas dan Kedalaman dalam cakupan - Hyndman et al. terutama berfokus pada metode Univariat terutama dikembangkan oleh penulis pertama, sementara Makridakis et. Semua fokus tidak hanya pada penelitian mereka sendiri tetapi berbagai metode dan aplikasi dan juga penekanan pada aplikasi dunia nyata dan pembelajaran sebagai lawan menjadi lebih fokus secara akademis.
3. Gaya penulisan - Saya benar-benar tidak bisa mengeluh karena kedua buku tersebut ditulis dengan sangat baik. Namun saya pribadi condong ke arah Makridakis karena ini memunculkan konsep-konsep rumit menjadi bagian-bagian yang ramah pembaca. Ada bagian tentang regresi Dinamis atau fungsi transfer, saya tidak menemukan penjelasan yang jelas tentang "metode kompleks" ini. Dibutuhkan bakat menulis yang luar biasa untuk membantu pembaca memahami apa itu regresi Dinamis dalam 15 halaman dan mereka berhasil melakukannya.
4. Makridakis dkk adalah perangkat lunak / metode agnostik dan mereka mencantumkan beberapa paket perangkat lunak yang berguna dan membandingkan dan membedakannya (meskipun ini hampir 20 tahun) masih sangat berharga bagi seorang praktisi.
5. Tiga bab khusus tentang cara menerapkan peramalan di dunia nyata di Makridakis et al. yang merupakan nilai tambah yang besar untuk dimiliki oleh seorang praktisi.

Peramalan sama sekali tidak menjalankan metode univariat seperti arima dan pemulusan eksponensial dan menghasilkan output. Ini lebih dari itu, dan terutama peramalan strategis ketika Anda melihat ke cakrawala yang lebih panjang. Prinsip peramalan oleh Armstrong melampaui metode ekstrapolasi univariat dan sangat direkomendasikan bagi siapa saja yang melakukan peramalan dunia nyata terutama peramalan strategis.

Tergantung pada berapa banyak matematika yang Anda inginkan. Untuk perlakuan yang kurang kuat secara matematis, Serial Waktu Ekonometrik Terapan oleh Enders sangat dihargai.

Bagian Keempat dari Basic Econometrics Damodar Gujarati dan Dawn Porter (edisi ke-5) berisi lima bab tentang ekonometrik seri waktu - buku yang sangat populer! Ini berisi banyak latihan, hasil regresi, interpretasi, dan yang terbaik, Anda dapat mengunduh data dari situs web buku dan mereplikasi hasilnya sendiri. Buku bagus lainnya adalah Stock and Watson Introduction to Econometrics .

Memulai dengan Hamilton sangat mengagumkan, tetapi saya katakan membaca seluruh bagian deret waktu dalam dua buku yang baru saja saya sebutkan dan kemudian beralih ke sesuatu seperti Seri Waktu Ekonometrik Terapan Walter Enders atau Seri Model Keuangan Terrence C Mill. Seri waktu .

Setelah ini (dan mungkin setelah beberapa ulasan ekonomi matematika) maka Anda harus dapat duduk dan membaca Hamilton dengan nyaman.

Catatan: Analisis deret waktu klasik Box & Jenkins 1970: Peramalan dan kontrol jelas lebih terkonsentrasi (yaitu lebih sempit dalam konten) daripada "buku teks modern" yang saya sebutkan, tetapi saya akan mengatakan bahwa siapa pun yang ingin mendapatkan pemahaman yang benar-benar bagus seri waktu tidak boleh meninggalkan ini dari daftar bacaan mereka.

Selain teks lainnya ada dua buku buku pengantar di Springer's Use R! seri yang mencakup seri waktu:
Seri Waktu Pendahuluan dengan R dan Ekonometrik Terapan dalam R

Ada juga ekonometrik teks canggih dalam seri, Analisis Terpadu dan Co-terintegrasi Time Series dengan R .

Saya belum pernah menggunakan ini tetapi telah menemukan beberapa yang lain dalam seri menjadi sangat baik.

Ada beberapa sumber daya daring yang baik, gratis,:

1. The Little Book of R for Time Series , oleh Avril Coghlan (juga tersedia dalam bentuk cetak, cukup murah) - Saya belum membaca semua ini, tetapi sepertinya ini ditulis dengan baik, memiliki beberapa contoh yang baik, dan pada dasarnya dimulai dari awal ( mis. mudah untuk masuk).
2. Bab 15, Statistik dengan R , oleh Vincent Zoonekynd - Intro yang layak, tetapi mungkin sedikit lebih maju. Saya menemukan bahwa ada terlalu banyak kode (kurang komentar), dan tidak cukup penjelasan tentangnya.

Jika Anda menemukan Hamilton terlalu sulit maka ada Pengantar Pemodelan Ekonometrik Princeton Uni Press oleh Bent Nielsen dan David Hendry. Ini lebih berfokus pada intuisi dan cara praktis daripada teori yang lebih dalam. Jadi, jika Anda berada pada batasan waktu maka itu akan menjadi pendekatan yang baik.

Saya masih merekomendasikan untuk bertahan dengan Time Series Analysis oleh Hamilton. Ini sangat mendalam secara matematis dan empat bab pertama akan membuat Anda terus untuk waktu yang lama dan berfungsi sebagai pengantar topik yang sangat kuat. Ini juga mencakup non-kausalitas dan kointegrasi Granger dan jika Anda memutuskan untuk mengejar topik ini lebih dalam maka itu adalah sumber daya yang tak ternilai.

Untuk perawatan kointegrasi yang lebih intuitif, saya juga akan merekomendasikan Kointegrasi, Kausalitas, dan Peramalan oleh Engle dan White.

Akhirnya untuk perawatan yang sangat maju, ada buku Soren Johansen "Inferensi Berbasis Kemungkinan dalam VAR Cointegrasi" dan tentu saja "Ekonometrik Dinamis" karya David Hendry.

Di antara keduanya, saya akan berpikir bahwa Hendry lebih berorientasi pada gambaran besar dan Johansen cukup sulit dalam matematika.

Analisis Rangkaian Waktu: Metode Univariat dan Multivariat oleh William Wei dan David P. Reilly - adalah buku yang sangat bagus tentang deret waktu dan sangat tidak ekspresif. Ada versi saya diperbarui tetapi dengan harga yang jauh lebih tinggi. Itu tidak termasuk contoh R. Ini mencakup diskusi / presentasi yang luar biasa dari prosedur Deteksi Intervensi yang diabaikan dalam solusi / buku teks pengantar yang disederhanakan.

Ada Institut Musim Panas NBER "Apa yang Baru di Time Series Econometrics" (tidak yakin apakah bahan ini terjaga keamanannya atau tidak). Ada video dengan slide yang menyertainya. Kuliah diberikan oleh sepasang profesor (Stock dan Watson) yang dikenal dengan buku teks ekonometrika sarjana populer mereka.

Menurut pendapat saya, Anda benar-benar tidak bisa mengalahkan Forecasting: prinsip dan praktik. Ini ditulis oleh Rob Hyndman dan George Athanasopoulos dari CV sendiri , tersedia secara online gratis, dan punya banyak kode contoh dalam R, memanfaatkan paket prakiraan yang sangat baik .

Jika Anda menggunakan Stata, Pengantar Time Series Menggunakan Stata oleh Sean Becketti adalah pengantar lembut yang solid, dengan banyak contoh dan penekanan pada intuisi atas teori. Saya pikir buku ini akan melengkapi Ender dengan lebih baik.

Buku ini dibuka dengan pengantar bahasa Stata, diikuti dengan tinjauan cepat regresi dan pengujian hipotesis.

Bagian time series dimulai dengan teknik moving-average dan Holt-Winters untuk memperlancar dan memperkirakan data. Bagian selanjutnya berfokus pada penggunaan ini untuk teknik peramalan. Metode ini sering diabaikan, tetapi mereka bekerja dengan baik untuk peramalan otomatis dan mudah dijelaskan. Becketti menjelaskan kapan mereka akan bekerja dan kapan mereka tidak mau.

Bab-bab berikutnya mencakup model-model deret waktu persamaan tunggal seperti gangguan autokorelasi, ARIMA, dan pemodelan ARCH / GARCH.

Pada akhirnya, Becketti membahas model persamaan ganda, khususnya VAR dan VEC, dan seri waktu non-stasioner.

Ada beberapa buku yang mungkin berguna. Jika Anda tertantang secara matematis, Anda mungkin ingin memulai dengan dua buku SAGE oleh Mcdowall, Mcleary, Meidinger dan Hay yang disebut "Analisis Rangkaian Waktu Terinterupsi" 1980 ATAU "Analisis Rangkaian Waktu Terapan" oleh Richard McLeary. Ketika Anda belajar lebih banyak tentang deret waktu dan memutuskan bahwa Anda menginginkan lebih dari prosa dan bahwa Anda bersedia menderita melalui beberapa matematika, teks Wei yang diterbitkan oleh Addison-Wessley berjudul "Analisis Rangkaian Waktu" akan menjadi pilihan yang sangat baik. Dalam hal materi pendidikan berbasis web, saya telah menulis banyak materi berguna yang dapat dilihat di http://www.autobox.com/cms/index.php/afs-university/intro-to-forecasting berjudul "Pendahuluan ke Peramalan ".

HILL GRIFFITHS LIM 2011 "Prinsip Ekonometrika" 4E Wiley
Keuntungan:
(1) Sangat mudah diikuti. Topik disajikan dengan baik. Meskipun saya tidak mengambil kursus ekonometrik dalam hidup saya, saya dengan mudah memahami ekonometrika pengantar dengan buku itu.

(2) Ada buku-buku pelengkap untuk memahami buku HILL:
a. Menggunakan EViews untuk Prinsip Ekonometrika
b. Menggunakan Excel untuk Prinsip Ekonometrika
c. Menggunakan Gretl untuk Prinsip Ekonometrika
d. Menggunakan Stata untuk Prinsip Ekonometrika

Kekurangan:
(1) Tidak ada "Menggunakan R untuk Prinsip Ekonometrika"!
R adalah standar industri. R lebih baik dari Python. Matematika dalam pikiran dapat tercermin dengan baik melalui kode R (Saya mengatakan ini sebagai orang yang menulis modul VBA di Excel, menulis kode Gretl, menulis kode Eviews).

Saya memulai Ekonometrika sendiri dengan "Analisis Ekonometrik GREENE 2011 - WH GREEN 7E PearsonPrentice Hall" Ini juga bagus, tetapi lebih teoretis; mungkin sulit untuk pemula.

Singkatnya, saya sangat menyarankan untuk memahami Econometrics dengan buku Hill, dan menerapkan pemahaman itu melalui buku Econometry lain yang didasarkan pada R.