《高等时间序列经济计量学》求取 ⇩

1．1 Introduction1

前言1

第1章单位根过程1

1．1 简介1

Chapter 1 Unit Root Processes1

总前言1

Preface1

1．2Definitions of unit root processes7

1．2 单位根过程的定义7

1．3 Wiener process10

1．3 维纳过程10

1．4 泛函中心极限定理13

1．4 Functional central limit theorem13

1．5 连续映照定理16

1．5 Continuous mapping theorem16

1．6 Limiting distributions for random walk processes19

1．6．1 Some important limits19

1．6 有关随机游动的极限分布19

1．6．1 几个重要的极限19

1．6．2 随机积分25

1．6．2 Stochastic integration25

1．6．3 最小二乘估计？的极限分布28

1．6．3 Limiting distribution of OLS estimator?28

1．6．4 ？统计量的极限分布30

1．6．4 Limiting distribution of tT statistic30

1．7 Random walk with constant31

1．7 带常数项的随机游动31

1．8 有关单位根过程的极限分布37

1．8 Limiting distributions for unit root processes37

1．9 时间序列的去势47

1．9 De-trending of time series47

1．1．0 Near unit root processes52

1．1．0 近单位根过程52

1．1．1 Summary55

Exercises55

1．1．1本章小结55

习题55

2．1简介57

2．1 Introduction57

Chapter 2 Hypothesis Testing for Unit Root Processes57

第2章单位根过程的假设检验57

2．2 迪基—福勒（DF）检验法59

2．2 Dickey-Fuller(DF) tests59

2．2．1 DF tests for case Ⅰ and caseⅡ60

2．2．1 情况一和情况二的DF检验法60

2．2．2 DF tests for case Ⅲand case Ⅳ69

2．2．2 情况三和情况四的DF检验法69

2．2．3 迪基—福勒（DF）检验法小结76

2．2．3 A summary of Dickey-Fuller tests76

2．3 菲利普斯—配荣（PP）检验法80

2．3．1 情况二的PP检验法80

2．3 Phillips-Perron (PP) tests80

2．3．1 PP test for case Ⅱ80

2．3．2 情况一和情况四的PP检验法92

2．3．2 pP tests for case Ⅰ and caseⅣ92

2．4 Augmented Dickey-Fuller(ADF) tests94

2．4 增广的迪基—福勒（ADF）检验法94

2．4．1 P阶自回归过程94

2．4．1 Autoregressive process of order P94

2．4．2 情况二的ADF检验法97

2．4．2 ADF test for case Ⅱ97

2．4．3 情况一和情况四的ADF检验法110

2．4．3 ADF tests for case Ⅰ and case Ⅳ110

2．5 本章小结112

Exercises113

习题113

第3章 多变量单位根过程115

Chapter 3 Multivariate Unit Root Processes115

3．1Introduciton115

3．2 Limiting theorems for multivariate unit root processes115

3．2 多变量单位根过程的极限定理115

3．1 简介115

3．3 Vector autoregressive processes with unit roots128

3．3 含单位根的向量自回归过程128

3．3．1 Representation of VAR(P) processes129

3．3．1 VAR（P）的表示形式129

3．3．2 不带常数项的VAR（P）130

3．3．2 VAR(P) processes with no constant130

3．3．3 带常数项的VAR（P）137

3．3．3 VAR(P) processes with constant137

3．4 伪回归143

3．4 Spurious regression143

3．5 伪回归的纠正方法155

3．5 Correction of spurious regression155

3．6 本章小结156

3．6 Summary156

Exercises157

习题157

4．1简介159

Chapter 4 Characterisics and Representation of Cointegrated Processes159

4．1Introduction159

第4章同积过程的性质和表示形式159

4．2 The main characteristics of contegrated processes161

4．2 同积过程的主要特征161

4．3．1 误差修正形式165

4．3 Representation of cointegrated processes165

4．3．1 Error correction representation165

4．3 同积过程的表示形式165

4．3．2 三角表示形式167

4．3．2 Triangular representation167

4．3．3 Common trend representation169

4．3．3 同趋势表示形式169

Exercises171

习题171

4．4 本章小结171

5．1OLS estimation of cointegrating vector173

Chapter 5 Parameter Estimation and Hypothesis Testing for Cointegrated Processes: OLS Method173

5．1同积向量的最小二乘估计173

第5章同积过程的参数估计和假设检验——最小二乘方法173

5．2 Normalization of cointegraion relationship179

5．2 同积关系的规范化179

5．3 多个同积向量180

5．3 More than one cointegrating vectors180

5．4 Testing for cointegration185

5．4 检验随机向量的同积性185

5．5 同积向量的假设检验209

5．5 Hypothesis testing for cointegraing vectors209

5．6 对u11和u21的相关系数的纠正218

5．6 Correcting the correlation between ? and ?218

5．7 Fully modified OLS estimation223

5．7 充分改进的最小二乘估计223

5．8 Summary230

5．8 本章小结230

Exercises231

习题231

Chapter 6 Maximum Likelihood Estimation for Cointegrated System233

6．1Introduction233

第6章同积系统的最大似然方法233

6．1 简介233

6．2 同积过程与误差修正过程234

6．2 Cointegrated processes and error correction models234

6．3 Canonical correlation analysis240

6．3 典型相关240

6．4 ECM and concentrated log-likelihood function247

6．4 ECM和集中的对数似然函数247

6．5 Maximum likelihood estimation and canonical analysis251

6．5 最大似然估计和典型相关分析251

6．6 Maximum likelihood estimation of parameter matrix π254

6．6 参数矩阵π的最大似然估计254

6．7 Testing for cointegration260

6．7 同积关系的假设检验260

6．8 Hypothesis testing for cointegrating vectors266

6．8 对同积向量的假设检验266

6．9 Hypothesis testing for matrix α270

6．9 对矩阵α的假设检验270

6．1．0 Summary275

6．10 本章小结275

Exercises276

习题276

7．1简介278

第7章ARCH模型278

7．1 Introduction278

Chapter 7 ARCH Models278

7．2Definitions of autoregressive conditional heteroskedasticity (ARCH) processes280

7．2 自回归条件异方差过程（ARCH）的定义280

7．3 Maximum lidelihood estimation of ARCH processes287

7．3 ARCH过程参数的最大似然估计287

7．4 非正态的ARCH（q）过程的最大似然估计297

7．4 Maximum lidelihood estimation of non-Gaussian ARCH (q) processes297

7．5 Hypothesis testing for ARCH models299

7．5 ARCH模型的假设检验299

7．6 Generalized ARCH models: GARCH models302

7．6 广义的ARCH模型——GARCH模型302

7．6．1 GARCH (1．1) pocess306

7．6．1 GARCH（1，1）过程306

7．6．2 Parameter estimation of GARCH regression models308

7．6．2 GARCH回归模型的参数估计308

7．6．3 Hypothesis testing for GARCH models311

7．6．3 GARCH模型的假设检验311

7．7 ARCH模型的其他推广形式312

7．7．1 指数的GARCH模型（EGARCH）312

7．7 Other generalized ARCH models312

7．7．1 Exponential GARCH (EGARCH) model312

7．7．2 Vector GARCH model315

7．7．2 向量的GARCH模型315

7．7．3 ARCH-M model316

7．7．3 ARCH-M模型316

7．8 ARCH model and stochastic differential equation318

7．8 ARCH模型和随机微分议程318

7．9 Aggregation of ARCH processes321

7．9 ARCH过程的综合321

7．10 Summary331

Exercises331

习题331

7．10本章小结331

参考文献333

References333

Statistical tables336

附表336

索引343

Index of subjects343