Livros para análise de séries temporais auto-estudáveis?

Comecei pela análise de séries temporais de Hamilton, mas estou perdido sem esperança. Este livro é realmente muito teórico para eu aprender sozinho.

Alguém tem uma recomendação para um livro didático sobre análise de séries temporais adequado para auto-estudo?

Eu recomendaria os seguintes livros:

1. Análise de séries temporais e suas aplicações: com exemplos de R
2. Análise e previsão de séries temporais por exemplo

Espero que ajude você. Boa sorte!

Previsão: princípios e práticas de Rob J Hyndman e George Athanasopoulos estão disponíveis gratuitamente on-line: http://otexts.com/fpp/

É um bom livro por si só; O livro de previsão anterior de Hyndman com Makridakis e Wheelright é altamente considerado, mas isso tem a vantagem adicional de que você pode ver o que está recebendo pelo preço.

Sempre me refiro a três livros sempre do ponto de vista da Rprogramação e da análise de séries temporais:

1. Análise de séries temporais e suas aplicações: com exemplos R de Shumway e Stoffer
2. Análise de séries temporais: com aplicações em R de Cryer e Chan.
3. Série cronológica introdutória com R de Cowpertwait e Metcalfe

O primeiro livro de Shumway e Stoffer tem uma versão de código aberto (abreviada) disponível on - line chamada versão EZgreen.

Se você estiver estudando especificamente a previsão de séries temporais, recomendo os seguintes livros:

1. Métodos de previsão e aplicações de Makridakis, Wheelwright e Hyndman. Eu continuo me referindo a este livro repetidamente: Este é um estilo clássico de escrita, absolutamente fenomenal.
2. Um sucessor on-line do livro acima, com bons exemplos de R, é o Forecasting Principles and Practice, de Hyndman e Athanasopoulos.
3. Se você estiver analisando a abordagem clássica de modelagem da Box Jenkins, eu recomendaria a Análise de Séries Temporais: Previsão e Controle de Box, Jenkins e Reinsel.
4. Um tratamento excepcional na modelagem e previsão de funções de transferência está em Forecasting with Dynamic Regression Models by Pankratz . Novamente, o estilo de escrever é absolutamente ótimo.
5. Outro extremamente útil se você aplicar a previsão para resolver problemas do mundo real é o Principles of Forecasting by Armstrong.

Na minha opinião, os livros 1, 4 e 5 são alguns dos melhores livros. Muitos gostam de Princípios e Práticas de Previsão de Hyndman e Athanasopoulos porque é de código aberto e possui Rcódigos. Não está nem perto da amplitude, da profundidade da cobertura dos métodos de previsão e do estilo de escrita de seu antecessor Makridakis et al. Abaixo estão algumas características contrastantes sobre por que eu gosto de Makridakis et al:

1. Lista de referências: por exemplo, no capítulo Box Jenkins, Makridakis et al. Tem ~ 31 referências; Hyndman et al. Há muito pouca ou nenhuma referência em muitos capítulos.
2. Largura e profundidade da cobertura - Hyndman et al. concentram-se principalmente em métodos univariados desenvolvidos especialmente pelo primeiro autor, enquanto Makridakis et. Todos se concentram não apenas em suas próprias pesquisas, mas em uma ampla variedade de métodos e aplicações, além de enfatizar a aplicação e o aprendizado no mundo real, em vez de serem mais focados academicamente.
3. Estilo de escrita - Eu realmente não posso reclamar, pois os dois livros são excepcionalmente bem escritos. No entanto, eu pessoalmente me inclino para os Makridakis porque ele resume conceitos complexos em seções fáceis de ler. Há uma seção sobre regressão dinâmica ou funções de transferência, não encontrei nenhuma explicação clara sobre esse "método complexo". É preciso um talento extraordinário para escrever para ajudar o leitor a entender o que é a regressão dinâmica em 15 páginas e eles conseguem.
4. Makridakis et al é independente de software / método e eles listam alguns pacotes de software úteis e os comparam e contrastam (embora isso tenha quase 20 anos) ainda é muito valioso para um profissional.
5. Três capítulos dedicados sobre como aplicar previsões no mundo real em Makridakis et al. o que é muito mais para um praticante.

A previsão simplesmente não está executando métodos univariados como arima e suavização exponencial e produzindo resultados. É muito mais do que isso, e principalmente previsão estratégica quando você está olhando para um horizonte mais longo. Os princípios de previsão de Armstrong vão além dos métodos de extrapolação univariados e são altamente recomendados para quem faz previsões do mundo real, especialmente previsões estratégicas.

Depende da quantidade de matemática que você deseja. Para um tratamento menos matematicamente intenso, o Applied Econometric Time Series da Enders é bem considerado.

A parte quatro da Econometria básica de Damodar Gujarati e Dawn Porter (5ª ed) contém cinco capítulos sobre econometria de séries temporais - um livro muito popular! Ele contém muitos exercícios, resultados de regressão, interpretações e, o melhor de tudo, você pode baixar os dados do site do livro e replicar os resultados por si mesmo. Outro bom livro é a Introdução à Econometria de Stock e Watson .

Começar com Hamilton foi admirável, mas eu diria que leu as duas seções das séries temporais nos dois livros que acabei de mencionar e depois passei para algo como a Econômica Temporária Aplicada de Walter Enders, de Walter Enders, ou The Modeling of Financial, de Terrence C Mill. Séries temporais .

Depois disso (e provavelmente depois de alguma revisão da economia matemática), você poderá sentar e ler Hamilton confortavelmente.

Nota: Análise clássica de séries temporais de 1970 da Box & Jenkins: Previsão e controle são obviamente mais concentrados (ou seja, mais estreitos em conteúdo) do que os "livros didáticos modernos" que mencionei, mas eu diria que qualquer pessoa que queira entender realmente bem séries temporais não devem deixar isso de fora da lista de leitura.

Além do outro texto, existem dois livros introdutórios no Use R! Da Springer. séries que abrangem séries temporais:
Série Temporal Introdutória com R e Econometria Aplicada em R

Há também um texto econometria avançada da série, Análise de Integrado e Séries Temporais Co-integrado com R .

Não os usei, mas achei vários outros excelentes na série.

Existem alguns recursos on-line gratuitos e gratuitos:

1. The Little Book of R for Time Series , de Avril Coghlan (também disponível em versão impressa, razoavelmente barata) - eu não li tudo isso, mas parece que está bem escrito, tem alguns bons exemplos e começa basicamente do zero ( fácil de entrar).
2. Capítulo 15, Estatísticas com R , de Vincent Zoonekynd - Introdução decente, mas provavelmente um pouco mais avançada. Acho que há muito código (mal comentado) e não há explicações suficientes.

Se você acha Hamilton muito difícil, há Introdução à Modelagem Econométrica Princeton Uni Press de Bent Nielsen e David Hendry. Ele se concentra mais na intuição e instruções práticas do que na teoria mais profunda. Portanto, se você estiver com restrição de tempo, seria uma boa abordagem.

Eu ainda recomendaria perseverar com a análise de séries temporais de Hamilton. É muito profundo matematicamente e os quatro primeiros capítulos o manterão por muito tempo e servirão de uma introdução muito forte ao tópico. Ele também abrange a não causalidade e a cointegração da Granger e, se você decidir aprofundar esse tópico, ele será um recurso inestimável.

Para um tratamento mais intuitivo da cointegração, eu também recomendaria Cointegração, Causalidade e Previsão por Engle e White.

Finalmente, para tratamentos muito avançados, há o livro de Soren Johansen "Inferência baseada em verossimilhança em VARs cointegrados" e, é claro, "Dynamic Econometria" de David Hendry.

Entre os dois, eu acho que o de Hendry é mais orientado para o cenário geral e Johansen é bastante exigente em matemática.

Análise de séries temporais: métodos univariados e multivariados de William Wei e David P. Reilly - é um livro muito bom sobre séries temporais e bastante pouco acessível. Existe uma versão atualizada, mas a um preço muito mais alto. Não inclui exemplos de R. Inclui explicitamente uma ótima discussão / apresentação dos procedimentos de detecção de intervenção que são ignorados em soluções simplificadas / livros introdutórios.

Existe o Instituto de Verão NBER, "O que há de novo na série Econômica de séries temporais" (não tenho certeza se esse material é fechado ou não). Existem vídeos com os slides que acompanham. As palestras são ministradas por um par de professores (Stock e Watson) que são conhecidos por seu popular livro de economia de graduação.

Na minha opinião, você realmente não pode superar a Previsão: princípios e prática. Ele foi escrito pelo próprio Rob Hyndman e George Athanasopoulos, da CV , está disponível gratuitamente on-line e possui vários exemplos de código em R, utilizando o excelente pacote de previsões .

Se você usa o Stata, a Introdução às séries temporais usando o Stata, de Sean Becketti, é uma introdução suave e sólida, com muitos exemplos e ênfase na intuição sobre a teoria. Acho que este livro complementaria Ender bastante bem.

O livro abre com uma introdução à linguagem Stata, seguida por uma rápida revisão dos testes de regressão e hipótese.

A parte da série temporal começa com técnicas de média móvel e Holt-Winters para suavizar e prever os dados. A próxima seção se concentra em usá-los para a previsão de técnicas. Esses métodos geralmente são negligenciados, mas funcionam muito bem para previsões automatizadas e são fáceis de explicar. Becketti explica quando eles vão trabalhar e quando não.

Os próximos capítulos abordam modelos de séries temporais de equação única, como distúrbios autocorrelacionados, modelagem ARIMA e ARCH / GARCH.

No final, Becketti discute modelos de múltiplas equações, particularmente VARs e VECs, e séries temporais não estacionárias.

Existem alguns livros que podem ser úteis. Se você é desafiado matematicamente, pode querer começar com dois livros do SAGE de Mcdowall, Mcleary, Meidinger e Hay chamados "Análise Interrompida de Séries Temporais" 1980 OU "Análise Aplicada de Séries Temporais", de Richard McLeary. À medida que você aprende mais sobre séries temporais e decide que deseja mais do que prosa e que deseja sofrer com alguma matemática, o texto Wei publicado por Addison-Wessley intitulado "Análise de séries temporais" seria uma excelente opção. Em termos de material educacional baseado na Web, escrevi muitos materiais úteis que podem ser vistos em http://www.autobox.com/cms/index.php/afs-university/intro-to-forecasting, intitulado "Introdução para Previsão ".

HILL GRIFFITHS LIM 2011 "Princípios de Econometria" 4E Wiley
Vantagens:
(1) Muito fácil de seguir. Os tópicos são bem apresentados. Embora não tenha feito nenhum curso econométrico em minha vida, compreendi facilmente a econometria introdutória com o livro.

(2) Existem livros suplementares para entender o livro de HILL:
a. Usando EViews para princípios de Econometria
b. Usando o Excel para Princípios de Econometria
c. Usando Gretl para Princípios de Econometria
d. Usando Stata para princípios de Econometria

Desvantagens:
(1) Não há "Usando R para Princípios de Econometria"!
R é padrão da indústria. R é melhor que Python. A matemática em mente pode ser melhor refletida no código via R (estou dizendo isso como uma pessoa que escreveu módulos VBA no Excel, escreveu códigos Gretl, escreveu códigos Eviews).

Eu iniciei a Econometria com "Análise Econométrica GREENE 2011 - WH GREENE 7E PearsonPrentice Hall" Isso também é legal, mas mais teórico; pode ser difícil para iniciantes.

Em resumo, recomendo fortemente que você compreenda a Econometria com o livro de Hill e aplique esse entendimento através de outro livro de Econometria baseado em R.