时间序列干货大全

最近BigQuant人工智能量化投资平台为大家整理了一下有关时间序列模型的英文资料,共16个PDF文档。包含了几乎所有的时间序列模型和软件的实践方法,在这里共享给大家: 通过文末的连接可以直接下载。

以下是在阅读对比了这些资料后给出的总结和评价,大家可以有选择的阅读所需的内容

1. Processing Timeseries with Stata Princeton

对用Stata做一个简单的时间序列处理和检验和做了介绍。

2. Simple timeseries analysis

简单的时间序列建模方法,包括用已知函数拟合,指数平滑等等;

3. TimeSeries analysis and its applicaion with R, Roberrt H. Shumway/ David S. Stoffer

这本书是完美的结合了R语言的例子和理论的一本书,其核心要领就是既能用做课堂讲义也能用做业界人士的参考,有大量实际的例子;内容很完善,不仅仅包含了时域分析部分,频域分析和状态空间也包括了,该有的定义都有。

4. Analysis of financial time series Tsay

这就是题主苦大仇深的RUEY S.Tsay的金融时间序列分析,它和上一本书的区别主要集中在两个地方,一个是他既没有实用的例子和详实的定义帮人们理解,但他大量的介绍各种模型的变种,更偏向文献综述,另一点是他的5,6章将时间序列模型和期权定价进行了有机结合,不愧是是芝加哥大学教材。

5. Introduction to R for timeseries analysis

一个十页纸用R做ARMA模型的小册子。

6. Multivariate timeseries analysis_withR

RUEY S.Tsay的一个小ppt,和他的风格一致,说是withR,实际上并没有贴R的代码,但是对于里面提到的问题都给出了R分析的样例,主要涉及VARMAX这一族模型,因子模型和主成分,主波动率成分分析等。

7. Time Series AnalysisHamilton_1994

这本书最大的特色就是全面和大部头,800页纸,从基础到复杂一步一步,但是很少有人有耐心全部的看完,但是对于有一定数学基础(三门基础数学课)的初学者很友好。

8. Applied econometrics timeseries student handook

这是一个关于Eviews和RAT软件*的上手的配套教材和习题解答,和本身的Applied econometrics timeseris是配套使用的!而这本配套教材比较难找,但是光h这本handbook就能给Eviews,RAT使用者很多指导。

9. An introductory Study on Time Series Modeling and Forecasting

这本书很有自己的特色,在简单的引入和传统的ARMA后直接画风一转进入了神经网络支持向量机,不同于传统的时间序列的假设检验的思路,本书采用的是大数据的视角,第六章强调的是衡量预测误差的指标。

10. Time series analysis lecture notes

源自奥克兰大学,典型的统计学院风格的教材,注重数学的推导和证明,适合数学专业的学生和想要理解模型数学本质的朋友。

11. A little book for timeseries

是一本不涉及数学的介绍用R实现时间序列分析的实用手册,很粗浅,仅仅设计到ARMA,和趋势分解。

12. Time series analysis Andrea

这是一个ppt,作为课堂ppt最大的特色就是对读者比较友好,内容比较浅和划重点,涉及内容不超过ARMA,唯一的特点是在前面介绍了一点复数。

13. Time Series Analysis Forecasting and control

这本书的作者Box,Ljung和Jenkins是最著名的70年代传统的自回归模型的开创者,大家也都熟悉LB检验,本书也是一本大部头,700多页,偏数学,集中在传统的模型上,最大的亮点就是最后一章集中于control,不仅仅关注模型的检验和参数估计,更对模型的控制给出了理论上的说明。

14. Time series analysis with SAS ETS

这是一本时间序列在SAS上应用的书,主要集中在多元回归部分和周期性处理。

15. Time Series for Macroeconomics and Finance

本书源于芝加哥大学研究生院,内容和此前的书没有大的差异,但是在侧重点上有显著不同,本书将谱分析,单位根和协整单独提出来详细描述,而不是像其他的书一样柔和在不同的章节,适合对单独某一个部分感兴趣的朋友,提供了一种崭新的视角

16. Chapter15_timeseries analysis and forecasting with Excel

本部分的特色就是,结合Excel操作的,通过可视化界面的操作就可以完成时间序列模型的处理,同时不涉及ARMA及之后的模型理论,而是集中在趋势分解和移动平均


以上的16本书,从适合统计学院的时间序列的数学理论到十几页的R操作小册子,从SAS到Eviews到Excel,包含和各方面知识(如随机过程期权定价和神经网络)的交汇和结合。

附资源永久下载链接:《时间序列干货大全

本文由BigQuant人工智能量化投资平台原创推出,版权归BigQuant所有,转载请注明出处。 

宽邦科技
宽邦科技

提供金融行业人工智能平台和服务解决方案,研发了全国首个人工智能量化投资平台BigQuant,拥有全栈人工智能平台和大规模机器学习和深度学习框架与算法,为券商、银行、保险、资管等金融机构以及更多企业提供AI技术方案和业务解决方案,实现机构及企业的AI转型和升级。

入门量化投资机器学习时间序列
4
相关数据
人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

随机过程技术

在概率论概念中,随机过程是随机变量的集合。若一随机系统的样本点是随机函数,则称此函数为样本函数,这一随机系统全部样本函数的集合是一个随机过程。实际应用中,样本函数的一般定义在时间域或者空间域。随机过程的实例如股票和汇率的波动、语音信号、视频信号、体温的变化,反对法随机运动如布朗运动、随机徘徊等等。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

假设检验技术

假设检验是推论统计中用于检验统计假设的一种方法。而“统计假设”是可通过观察一组随机变量的模型进行检验的科学假说。一旦能估计未知参数,就会希望根据结果对未知的真正参数值做出适当的推论。

支持向量机技术

在机器学习中,支持向量机是在分类与回归分析中分析数据的监督式学习模型与相关的学习算法。给定一组训练实例,每个训练实例被标记为属于两个类别中的一个或另一个,SVM训练算法创建一个将新的实例分配给两个类别之一的模型,使其成为非概率二元线性分类器。SVM模型是将实例表示为空间中的点,这样映射就使得单独类别的实例被尽可能宽的明显的间隔分开。然后,将新的实例映射到同一空间,并基于它们落在间隔的哪一侧来预测所属类别。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

自回归模型技术

自回归模型,是统计上一种处理时间序列的方法,自回归模型被广泛运用在经济学、资讯学、自然现象的预测上。

暂无评论
暂无评论~