本书包含大量关于非线性时间序列模型和其在经济关系建模中的应用。很重要的是，本书向读者展示了如何在实际中运用这些模型。本书既包含非线性时间序列模型的基础理论，又含有理论的拓展和延伸，还有很多非线性时间序列模型的应用，都具现实意义。这使得本书不仅对初学者帮助很大，而且也能使资深学者受益匪浅。

怎样才能在经济学这样莫测高深的海洋中摆对自己的位置，了解自己应当从何处入门，以便跟上时代的步伐。机械工业出版社推出的这套“诺贝尔经济学奖经典文库”等于提供了一个台阶。
厉以宁
北京大学教授

这将是国内最为齐全的一套诺贝尔奖得主系列丛书，有助于我们对20世纪的经济学做出全面、深入的了解，也有助于我们站在巨人的肩头，眺望21世纪经济学的雄伟殿堂。
何 帆
中国社会科学院

前
美国联邦储备委员会和许多国家中央银行都在使用的评估和预测方法
计量经济学领域享有盛名的三位国际专家历经三十载完成的一部巨著
本书既注重理论论证和方法演义，又运用经济数据给出实证分析。对每一经典实例数据，按建模步骤分别给出平滑转换自回归（STAR）模型和人工神经网络（ANN）模型建模，让读者体验到使用非线性模型拟合时间序列数据的全过程。然后又使用在样本内得到的估计模型，演示非线性时间序列模型的预测和预测评估。
本书对大数据时代改进宏观经济预测及加强金融风险、治理风险控制等方面具有重要的推动意义。
相关阅读：

后
蒂莫·泰雷斯维尔塔
（Timo Ter?svirta）
国际著名计量经济学家，瑞典斯德哥尔摩经济学院决策支持与经济统计学系教授，芬兰社会科学院院士，瑞典皇家科学院院士，在非线性时间序列方面的工作令人瞩目。同时，他还是诺贝尔奖评审委员会委员，受到经济学界的广泛尊重。
从事了40多年的计量经济学研究，精通六国语言，爱好广泛，学术研究之余，他喜欢旅行、运动、电影和书籍。
达格·琴施泰姆
（Dag Tj?stheim）
国际著名统计学家、计量经济学家，挪威卑尔根大学教授，国际统计研究所和挪威科学院成员。他一直致力于时间序列和空间过程相关领域的研究，包括计量经济学、渔业统计学、地震学和气象学。曾任《北欧统计》《英国皇家统计学会》等杂志主编或副主编。
克莱夫·格兰杰
（Clive W. J. Granger，1934—2009）
2003年诺贝尔经济学奖获奖者，经济时间序列分析大师。
世界上最伟大的计量经济学家之一，美国加州大学圣迭戈分校荣誉退休教授。
格兰杰的论文几乎涵盖了过去几十年间计量经济学领域的主要进展，没有格兰杰的分析方法，进行时间序列计量方面的实证分析几乎是不可能的。2009年5月27日在美国因病逝世，享年75岁。
诺贝尔奖评委会认为，格兰杰的工作改变了经济学家处理时间序列数据的方法，对研究财富与消费、汇率与价格以及短期利率与长期利率之间的关系具有非常重要意义。
目前，美国联邦储备委员会和许多国家的中央银行都使用这一方法来进行评估和预测。

众所周知，主要经济变量间的关系都表现为非线性，经济理论中的非线性模型也很多。因为有些经济变量具有黏性，这就使得市场常常不是出清的。通常，价格就是这样一个变量，导致价格和数量之间呈现非线性的关系。中央银行可能会为汇率设定界限，这就意味着汇率与基本面决定的它的价值之间的关系是非线性的。在劳动力市场，许多关于企业如何聘用员工的经济理论都认为，从宏观经济层面看，就业是非对称的。
大量的这些经济现象和理论都说明存在非线性计量经济学模型。本书的核心是引入时间经济关系。因此，所讨论的模型是时间序列模型，不过当数据由独立的观察值组成时，它们中的一些模型也会用到。模型设定之后，计量经济学家提出了模型中的参数估计方法，推导了估计量的统计理论。然而，经济理论并不总是对得出最适于描述实际现象的非线性模型的精确形式特别有帮助。比如，在某种情况下，对一个计量经济学家而言，至少有两种主要的思路可以考虑。一种思路是计量经济学家可能会决定估计模型的基本形式，而不去考虑相关经济变量关系的进一步描述。另外一种思路是以对时间序列的拟合参数模型为主线。这两种思路在本书中都考虑到了。第一种思路主要依赖于非参数方法和建模，本书中将会用几个章节对此加以介绍，在第10章将讲到非参数方法的基本概念。在时间序列和计量经济学的文献中，提出了大量的非线性时间序列模型，并得到了应用。第3章将讨论一些最常用的非线性时间序列模型。在许多有关时间序列的文献当中，所介绍的模型都是单变量的。不过，在有些文献中已经指出，能够把这样的模型推广到单方程动态回归模型，进一步推广到联立方程也是可能的。尽管能够这样，但相较于非线性单方程模型的应用，对使用非线性联立方程模型的经济时间序列的分析不那么常见。然而，已经发现向量模型能够应用于金融时间序列波动的建模，第8章对此有一个延伸阐述。另外，有些研究者试图为非线性向量自回归模型建立一个统计理论，这些模型和相关的理论会在第11章讨论。
研究者为了解释经济时间序列中的变量，一旦采用非线性模型，大量的模型就会导致这样一个问题：在如此多的备选模型中应该选择哪一个呢？这是一个经验主义的问题，因为不同的模型有不同的特性，也做不到把序列拟合成与模型一样好。出于现实的原因，将这种选择简单地限制到一个定义好的模型类别上不失为一种符合实际需要的策略。在线性时间序列文献中，就有个关于这方面的杰出范例。Box和Jenkins（1970）选择了一组单变量自回归移动平均模型（ARMA模型），并在该类别内提出了一种连贯的模型选择策略。这个策略由模型的设定、估计和评价三个阶段组成。
（1）设定（作者称之为识别），主要目的是利用时间序列的自相关系数和偏自相关系数的信息，选择（识别）出一组备选的ARMA模型。
（2）估计，目的是估计第一阶段设定的模型的参数。
（3）评价，目的是应用已估模型的残差，进行假设的有效性检验（这个阶段的评价被称为诊断检验，以便检查出模型中某些有可能出现的错误）。
这个策略可以拓展到对非平稳自回归求积移动平均模型（ARIMA模型）的考察，在模型设定阶段要决定实现平稳的求积程度或差分次数。本书针对向量模型，比如，线性向量自回归模型（VAR模型），也提出了相似策略。然而，即使在非平稳时间序列案例中，都广泛讨论模型的设定（决定滞后长度）和估计，但许多把VAR模型应用于宏观经济数据的研究者似乎并不会将更多的注意力放到模型评价上。
BoxJenkins建模技术的成功无疑是基于这样一个事实：把模型约束在某种类别下。比如说，非线性模型就包含其中。这就是为什么在定义好的一组模型中进行非线性建模是一个好主意。本书的第16章就包含关于三组众所周知的参数非线性模型建模策略的讨论，其中，单向隐层神经网络类模型就有强烈的非参数特征。这种策略与BoxJenkins策略一样，由三个阶段组成，有许多例子也证明它在现实中是起作用的。应该指出的是，在本书第162节讨论的许多非参数建模方法，凭借其本身的实力，既可以当作参数模型的设定工具，也可以当作非参数模型的建模工具。
本书讨论的模型都是随机的。这看起来似乎是一个自然的选择，因为在经济学中的一个经典假设是，经济是由影响经济的某些方面或者影响整个社会的冲击或者创新驱动的。在许多物理科学中被频繁使用的确定性过程在本书第1.11节有简单提及，但没做详细讨论。然而，随机参数模型可能包含确定性组成部分，诸如时间趋势、结构突变或者漂移项。而且，有时还假设随机模型的参数是时间的函数，随时间具有确定性的变化，这种时变参数模型会在第3章中讨论。
我们会看到，许多非线性时间序列模型嵌套一个线性模型，这就使得检验线性性相当重要，因为线性模型更好用，并且与非线性模型相比，线性模型的概率特性更容易得知。当这些非线性模型是非线性时，通常才能被识别，也就是说，当数据不是由嵌套在大模型中的线性模型生成时，就是非线性模型。一个重要的结论就是：在这个框架中，检验线性假设时，标准渐进分布理论无效。基于此，很多人都在线性检验和其他各种检验上下功夫。针对参数替代性的检验在第5章可以看到，并且第7章也包括了对线性和独立性的非参数检验的讨论。参数连续性检验中，其中很多类似于参数线性检验的部分在第6章中有提到。他们检验的原假设是线性模型，备择假设是线性模型具有时变参数，根据很多定义，它其实是一个非线性模型。有关特定非线性模型的参数连续性检验问题会在第16章讨论。
根据一些非线性的定义，误差为条件异方差的模型是非线性模型。由于在预测波动性和当前的大量数据方面日益增加的兴趣，金融计量经济学家和投资者已十分青睐条件异方差的模型。在本书第8章会讲述波动性的单变量模型和向量模型，或者换句话说，是条件方差和协方差模型。这一章中的模型是参数模型。关于非参数模型波动性的有关内容会在本书第10.1.6节讨论。
建立非线性模型的目的与线性模型相似，用于政策分析和预测。预测可能是单变量模型最重要的目的。鉴于最优二乘法预测出来的是条件平均数这样一个事实，用非线性模型进行预测比用线性模型要涉及更多的计算。按照以前的方法，几乎不可能从一个已经估计出的模型得到提前多步预测，预测者必须依赖在第14章讲述的数值计算方法。
在Clive WJGranger和Timo Tersvirta（1993）关于非线性模型和建模的教科书中，他们就明确地指出，著书的目的是总结出更切实际的非线性时间序列的最新进展，并且鼓励计量经济学家多使用非线性模型。近几年，在经济关系的建模上，采用非线性模型已经有了长足进步。尽管非线性时间序列的建模发展势头良好，但本书依然追逐和保持先驱持之以恒的目标，力图对Clive WJGranger和Timo Tersvirta（1993）讨论的主题进行一定程度的更新，并对没有涉猎的内容进行补充完善。还有一点是，本书的数学水平适中，重点在于介绍不同的线性模型以及讨论它们的实际应用，相关的统计理论也有涉及，但没有给出完善详尽的证明。从这方面来讲，本书与一些非线性模型的经典著作相比，确有一些不同，如与Tong（1990）、Fan和Tao（2003）的著作相比。
本书涵盖了大量丰富的话题，有一些章节是相当独立的。因此，在很多情况下，如果有些读者只对特定的问题感兴趣，那么，读者只需阅读相关章节就能理解内容，而用不着参考前面的章节。尽管本书是按照计量经济学家和经济学家的思想撰写的，但它也适合于对相关工作需要获取时间序列形式的数据的其他领域的研究者阅读，比如生态学、生物学和地理学。因此，希望本书的内容可以鼓励读者将非线性模型应用到其实际的建模问题上。
我们有幸能在圣迭戈大学经济学院聚到一起，策划本书。学院为我们提供了良好的工作环境。最近，为了撰写本书，Timo Tersvirta作为奥尔胡斯大学时间序列经济分析研究中心（CREATES）的一员，在斯德哥尔摩经济学院已经做了大量的工作，而且在工作期间，他也获得了到具有优良工作环境的悉尼技术大学金融与经济学院进行访问的机会，他很感谢促成这次访问的Tony Hall。考虑到完成本书的撰写，他到卑尔根大学的访问是非常有用的。他也希望提及他受Eilev Jansen之邀到挪威奥斯陆统计局的访问，在那里他有机会提出本书的一些观点并接收一些反馈。Dag Tjstheim在卑尔根大学做了大量的工作，也访问了斯德哥尔摩经济学院、奥尔胡斯大学以及珀斯市西澳大利亚大学，并在那里撰写本书。
Timo Tersvirta感谢Jan Wallander和Tom Hedelius基金会、NoJ0235和P200533:1资助金以及丹麦国家研究基金会对这项工作的经济支持。Dag Tjstheim也得到了卑尔根大学梅尔泽基金会和挪威研究理事会的支持。
在工作期间，很多人也帮助了我们。在制订计划、计算和作图方面，我们得到了来自Marcelo Medeiros、Birgit Strikholm和Yongil Jeon的大力支持。Karl Ove Hufthammer和Stefan Sperlich同样在图表方面帮助了我们。切片谱的数据是由Joakim Skalin写的GAUSS代码生成的。Niklas Ahlgren、Graham Elliott、Changli He、Matt Holt、Mika Meitz、Tomoaki Nakatani和Birgit Strikholm已经阅读了本书，并提出了很好的反馈意见。Ander Kock和Matt PDziubinski帮助汇编索引。在很多实践案例上，Mike Bacci提供了有价值的帮助。还有其他很多人也对我们给予了许多帮助，在此，一并表示感谢。不过，对于我们工作中的错误和缺陷，我们都会负起责任。

经济类

同系列

[芬兰]蒂莫?泰雷斯维尔塔（Timo Teräsvirta），[挪威]达格?琴施泰姆（Dag Tjøstheim），[英]克莱夫?格兰杰（Clive W. J. Granger） 著：暂无相关简介

杜江　吴良　张灵科　译：暂无简介

有些经济变量具有黏性，难以使市场出清。如价格刚性导致价格和数量之间呈现非线性的关系。大量的经济现象和理论都说明存在非线性计量经济学模型。时间序列数据生成过程的非线性性质备受研究者的青睐。从宏观经济变量的结构变化、非对称响应，到微观高频数据的非线性水平溢出、方差波动性，非线性时间序列的靓丽身影无处不在。数据更迭，技术变迁，方法拓展，逐步孕育出非线性时间序列建模的理论与实证体系。
本书的核心是引入时间经济关系，三位著者均是统计领域的领军人物，理论造诣极高，学术功底深厚，合力为我们呈献了一部非线性时间序列建模的盛宴。语言通俗易懂，讲解深入浅出，分析由简入难，模型从一般到特殊，方法自传统到现代，理论与案例并举，内容博而不杂，论述细而不繁。
非线性时间序列建模既有参数化的，也有非参数化的。参数化模型从标准的转换回归到复杂的人工神经网络以及时变参数模型，线性检验、稳定性检验以及最终的结果呈现是这类模型参数估计的常规过程，非参数化估计方法同样适用。波动性建模不仅需要参数化估计，而且非参数化估计也贯穿其中。除此之外，状态空间模型、非参数模型和非线性非平稳模型也是本书的重要内容。对于非参数模型，本书的讨论对象也从一般的可加模型拓展到半参数模型。在理论分析之后，本书用实例对模型的估计过程进行了演示。
全球经济复杂多样，中国经济在转型中探索发展，经济变量之间传统的线性设定越来越受到研究者的质疑。在这样的大背景下，本书的众多方法在对经济问题的研究中将提供更好的解决之道。这不仅有利于学者对问题的深刻解析，而且对经济的参与者有更准确的指导，同时，政策制定者也可以借此进行更精准的预测，实施切实可行的政策。
本书既包含非线性时间序列模型的基础理论，又含有理论的拓展和延伸，还有很多非线性时间序列模型的应用，都具现实意义。这使得本书不仅对初学者帮助很大，而且也能使资深学者受益匪浅。
本书翻译的完成有赖于众多人士的帮助，四川大学经济学院的同仁给予了很大的支持。机械工业出版社华章分社的李文静和施琳琳编辑自始至终悉心指导。我们的家人也给予了很大的支持。在此，向他们表示深深的谢意。
本书是在参译人员的通力协作下完成的，具体分工为：前言，杜江、李泽宇、张伟科；第1章，杜江、张伟科、范曦临；第2章，吴良、张伟科、许倩；第3章，杜江、许倩、刘诗园；第4章，杜江、吴良、吴耀国；第5章，杜江、吴良、宋跃刚；第6章，杜江、张灵科、谢正娟；第7章，杜江、张灵科、刘诗园；第8章，吴良、杜江、杨文溥；第9章，吴良、张伟科、许倩；第10章，吴良、张灵科、杨文溥；第11章，张灵科、宋跃刚、吴耀国；第12章，张灵科、吴良、谢正娟；第13章，张灵科、祝小宇、砂砾；第14章，杜江、王胜斌、曾明；第15章，张灵科、张正、魏文博；第16章，杜江、蒲贞子、魏文博；第17章，杜江、蒲贞子、张伟科。杜江、吴良、张灵科负责修订、校对全书。最后的统稿和审定由杜江负责完成。
我们虽竭尽力量，但鉴于专业水平和翻译能力有限，无疑还有许多瑕疵，未能达到同仁和读者的期许。对此，敬请斧正。

杜江
2017年春于四川大学望江校园

李维安中国管理现代化研究会联职理事长
天津财经大学校长
前不久我主持了聘请瑞典皇家科学院院士蒂莫·泰雷斯维尔塔（Timo Tersvirta）为天津财经大学荣誉教授的仪式。听闻蒂莫·泰雷斯维尔塔教授和诺奖获得者克莱夫·格兰杰（Clive WJGranger）教授等人撰写的《非线性经济时间序列建模》的中文译本即将出版，我感到十分荣幸并有责任向国内学界推介列入“诺贝尔经济学奖经典文库”的这本书。而真正让我鼓起勇气提笔写推荐序是得到了我校特聘教授贺长礼先生的帮助，他师从蒂莫·泰雷斯维尔塔教授，在瑞典获得博士学位，并是蒂莫·泰雷斯维尔塔教授的长期合作者。
本书的作者克莱夫·格兰杰教授是2003年诺贝尔经济学奖得主，蒂莫·泰雷斯维尔塔教授曾任诺贝尔经济学奖评审委员会委员（2002～2010年），达格·琴施泰姆（Dag Tjstheim）教授是国际著名计量经济学家。他们三位都是非线性时间序列计量经济学领域享有盛名的国际专家。本书是作者们从20世纪80年代初始，历经近三十载，耕耘不止，不断地进行理论完善、经验积累和技术改进而完成的一本巨著。遗憾的是，克莱夫·格兰杰教授逝世前未能看到这一著作的出版。 作者们坚持不懈、精益求精的科学态度值得我们学习、深思。
本书属时间序列计量经济经济学领域专著。理论学家普遍认为，时间序列计量经济学是以经济理论为基础，以数学、概率和统计为方法和工具，为经济变量间关系建立模型的综合学科。非线性时间序列计量经济学是计量经济学拓展演化的必然结果，这是因为经济数据通常是时间序列数据，经济变量间关系通常呈非线性。据文献记载，克莱夫·格兰杰是最早将Bilinear模型引进计量经济学中的学者，蒂莫·泰雷斯维尔塔也是从20世纪80年代初即开始研究STAR类模型的统计理论和经济应用。本书是对克莱夫·格兰杰和蒂莫·泰雷斯维尔塔（1993）的著作《非线性经济关系的建模》的补充和拓展。这主要表现在本书：
（1）包含当时非线性时间序列计量经计学的最新进展；
（2）包括参数模型和非参数模型、平稳模型和非平稳模型；
（3）包括参数方法和非参数方法；
（4）是当前列出许多研究课题的唯一专著；
（5）增加了对复杂问题所涉及的技术问题的解释章节，也提供了有关技术的参考细节；
（6）增加了非线性时间序列计量经济模型的预测理论和预测应用章节及GARCH类模型章节。
本书依据经济理论，分析数据特征，运用统计方法，兼顾理论应用，更新参考文献，丰富科研课题，是非线性时间序列计量经济学领域公认的教科书。 一方面，作者们在实施线性检验时，注重分析数据特征的方法，强调让数据“说话”，不单纯追求问题复杂性去构造复杂非线性模型，而是尊重数据敬重事实，这是有现实意义的。这种思维方法，对学习非线性时间序列计量经济学，对学习、探讨其他领域的课题，都会有启迪。另一方面，作者们在著作中既注重理论论证和方法演义，又运用经济数据，给出实证分析。其中经典实例有美国失业率分析（月度数据，1959年1月～1999年12月）、Wisconsin Livestock 生产数据分析和英国货币需求分析（年度数据，1878～1993年）。对每一数据，按建模步骤分别给出平滑转换自回归（STAR）模型和人工神经网络（ANN）模型建模，让读者体验到使用非线性模型拟合时间序列数据的全过程。其后，使用在样本内得到的估计模型，演示非线性时间序列模型的预测和预测评估。
总之，《非线性经济时间序列建模》的中文译本有着现实意义和长远意义。现代世界是信息社会，信息系统中数据需更新处理，转换传递。因此，尊重数据，分析数据，解释数据，预测未来，都需模型建立，其中非线性模型建模不可或缺。蒂莫·泰雷斯维尔塔教授正是本着如此理念，带领天津财经大学科研团队研究中国经济和金融数据的非线性特征， 试图建立具有中国经济和金融数据特征的计量经济模型，展开预测应用研究。我也真诚希望本译著能成为学习研究非线性时间序列计量经济学的必备参考书，帮助读者从准确深入理解原著精髓中获益。
最后，我再次祝贺作为“诺贝尔经济学奖经典文库”的《非线性经济时间序列建模》的中文译本出版。我相信本书的出版对促进我国非线性时间计量经济学领域的教学，对提升该领域的科研和创新水平，对改进宏观经济预测及对加强金融风险、治理风险等分析将起到重要作用。

丛书序一（厉以宁）
丛书序二（何帆）
推荐序（李维安）
译者序
前言
//第1章
概念、模型和定义
//11非线性的定义
//12非线性的来源
//13平稳性和非平稳性
//14可逆性
//15趋势
//16季节性
//17条件分布
//18Wold表述和Volterra扩展
//19加法模型
//110谱分析
//111混沌
//第2章
经济理论中的非线性模型
//21非均衡模型
//22劳动力市场模型
//23汇率目标区
//24生产理论
//第3章
参数非线性模型
//31概述
//32转换回归模型
//33马尔可夫状态转换回归模型
//34平滑状态转换回归模型
//35多项式模型
//36人工神经网络模型
//37极大极小模型
//38非线性移动平均模型
//39双线性模型
//310时变参数和状态空间模型
//311随机系数和波动性模型
/第4章
非参数方法
//41引言
//42自协方差和谱
//43密度、条件均值和条件方差
//44非线性过程的相依性测度
//第5章
参数线性检验
//51引言
//52一致的设定偏误检验
//53拉格朗日乘数或得分检验
//54局部等价的备择假设
//55仅在备择假设下可识别的非线性模型
//56未指定备择模型的线性性检验
//57运用渐近相对效率比较参数线性检验
//58使用何种检验
//第6章
参数恒定性检验
//61概况
//62邹氏检验法概述
//63拉格朗日乘数型检验
//64基于递归估计的参数检验
//第7章
非参数的规范检验
//71引言
//72非参数线性检验
//73具体函数形式的检验
//74滞后项选择
//75可加性和交互作用的检验
//76部分线性和半参数模型检验
//77独立性检验
//第8章
条件异方差模型
//81自回归条件异方差模型
//82广义ARCH模型
//83指数类GARCH模型
//84自回归随机波动模型
//85GARCH均值模型
//86实现波动率
//87多元GARCH模型
//第9章
时变参数和状态空间模型
//91引言
//92线性状态空间模型
//93时变参数模型
//94非线性状态空间模型
//95隐马尔可夫链和状态
//96参数估计
//第10章
非参数模型
//101可加模型
//102相关模型
//103半参数模型
//104稳健性和自适应估计
//第11章
非线性和非平稳模型
//111长记忆模型
//112线性单位根模型
//113向量自回归过程及线性协整
//114非线性I(1)过程
//115非线性误差修正模型
//116有非平稳回归变量的参数非线性回归
//117非线性协整类下的非参数估计
//118随机单位根模型
//第12章
参数非线性模型的估计算法
//121不用导数的优化法
//122需要导数的算法
//123其他方法
//第13章
基本非参数估计
//131密度估计
//132非参数回归估计
//第14章
非线性模型的预测
//141引言
//142参数模型的条件均值预测
//143非参数模型的预测
//144预测的精度
//145非线性模型预测的有用性
//146预测波动性
//147非线性模型预测综述
//第15章
非线性脉冲响应
//151广义脉冲响应函数
//152图解表示法
//第16章
非线性模型的构建
//161概述
//162非参数和半参数模型
//163平滑转换回归模型的构建
//164构建转换回归模型
//165构建人工神经网络模型
//166两个预测的比较
//第17章
其他专题
//171数据的加总
//172季节性
//173异常值与非线性性
//参考文献
//出版说明