陈强高级计量经济学笔记，使用python、matlab实现各模型估计.zip

# 陈强高级计量经济学笔记 <div align=center><img src="https://lei-picture.oss-cn-beijing.aliyuncs.com/img/20200423192255.png" width="250"></div> 学习计量经济学过程中总结的笔记（更新 ing...） 文中 python 代码推荐使用 anaconda 运行。 * **笔记架构：** * 原理讲解与实现 * python 第三方库估计 * matlab 实现 > 该笔记已征得陈强老师的本人同意，由于本人能力有限，欢迎各位指正批评。 <a href="https://www.python.org/downloads/"><img src="https://img.shields.io/badge/python-3.6%2B-brightgreen"></a> <a href="https://github.com/bashtage/arch"><img src="https://img.shields.io/badge/arch-4.13-red"></a> <a href="https://github.com/matplotlib/matplotlib"><img src="https://img.shields.io/badge/matplotlib-3.1.3-blue"></a> <a href="https://github.com/numpy/numpy"><img src="https://img.shields.io/badge/numpy-1.18.1-blue"></a> <a href="https://github.com/pandas-dev/pandas"><img src="https://img.shields.io/badge/pandas-1.0.1-yellow"></a> <a href="https://github.com/scipy/scipy"><img src="https://img.shields.io/badge/scipy-1.4.1-brightgreen"></a> <a href="https://github.com/statsmodels/statsmodels"><img src="https://img.shields.io/badge/statsmodels-0.11.0-red"></a> <a href="https://github.com/sympy/sympy"><img src="https://img.shields.io/badge/sympy-1.5.1-lightgrey"></a> &emsp; ## 目录 * [基础入门](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/基础入门.ipynb) * [古典线性回归](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/古典线性回归.ipynb) * 金融时间序列 * [收益率概念与平稳性](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/金融时间序列/收益率概念与平稳性.ipynb) * [自回归(AR)模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/金融时间序列/自回归模型.ipynb) * [移动平均(MA)模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/金融时间序列/移动平均(MA)模型.ipynb) * [ARMA 模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/金融时间序列/ARMA模型.ipynb) * [自回归分布滞后(ADL)模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/金融时间序列/自回归分布滞后模型.ipynb) * [VAR 模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/金融时间序列/VAR模型.ipynb) * [Granger 因果检验](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/金融时间序列/Granger因果检验.ipynb) * [ARCH 模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/金融时间序列/ARCH模型.ipynb) * [GARCH 模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/金融时间序列/GARCH模型.ipynb) * 分位数回归 * [基础概念](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/分位数回归/基础概念.ipynb) * [分位数 Granger 因果检验](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/分位数回归/分位数Granger因果检验.ipynb) * [分位数 VAR 模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/分位数回归/分位数VAR模型.ipynb) * DEA 方法 * [CCR 模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/DEA方法/CCR模型.ipynb) * [BCC 模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/DEA方法/BCC模型.ipynb) * [SBM-ML 模型](https://nbviewer.jupyter.org/github/lei940324/econometrics/blob/master/DEA方法/SBM模型.ipynb) ## Author 中国海洋大学经济学研究生，热爱计量、python、matlab。 ## contact 1. 欢迎任何有益的建议或想法，可邮件 ([[email protected]](mailto:[email protected])) 交流！ 2. 不免有错误，欢迎提 Issues！ ## Reference * **书籍** * Time Series Analysis * 陈强高级计量经济学及 Stata 应用（第二版） * 金融时间序列分析（第三版） * **文献** * Asymmetric Least Squares Estimation and Testing * Goodness of Fit and Related Inference Processes for Quantile Regression * Tests-for-Parameter-Instability-and-Structural-Change-With-Unknown-Change-Point * VAR for VaR: Measuring tail dependence using multivariate regression quantiles * 分位数向量自回归分布滞后模型及脉冲响应分析 * 命令控制与可交易环境政策下的碳排放强度减排效应 * **其他** * Eviews 帮助文件 * 张晓峒分位数回归讲义 * 应用 DEA 方法对经济体效率的评价 PPT 文件 ## License [MIT](https://github.com/lei940324/econometrics/blob/master/LICENSE) © 热心市民石头