應(yīng)用時(shí)間序列分析

第1章時(shí)間序列分析簡(jiǎn)介
1.1引言
1.2時(shí)間序列的定義
1.3時(shí)間序列分析方法
1.3.1描述性時(shí)序分析
1.3.2統(tǒng)計(jì)時(shí)序分析
1.4時(shí)間序列分析軟件
1.5習(xí)題
1.6上機(jī)指導(dǎo)
1.6.1SAS操作界面
1.6.2創(chuàng)建時(shí)間序列SAS數(shù)據(jù)集
1.6.3時(shí)間序列數(shù)據(jù)集的處理
第2章時(shí)間序列的預(yù)處理
2.1平穩(wěn)性檢驗(yàn)
2.1.1特征統(tǒng)計(jì)量
2.1.2平穩(wěn)時(shí)間序列的定義
2.1.3平穩(wěn)時(shí)間序列的統(tǒng)計(jì)性質(zhì)
2.1.4平穩(wěn)時(shí)間序列的意義
2.1.5平穩(wěn)性的檢驗(yàn)
2.2純隨機(jī)性檢驗(yàn)
2.2.1純隨機(jī)序列的定義
2.2.2白噪聲序列的性質(zhì)
2.2.3純隨機(jī)性檢驗(yàn)
2.3習(xí)題
2.4上機(jī)指導(dǎo)
2.4.1繪制時(shí)序圖
2.4.2平穩(wěn)性與純隨機(jī)性檢驗(yàn)
第3章平穩(wěn)時(shí)間序列分析
3.1方法性工具
3.1.1差分運(yùn)算
3.1.2延遲算子
3.1.3線性差分方程
3.2ARMA模型的性質(zhì)
3.2.1AR模型
3.2.2MA模型
3.2.3ARMA模型
3.3平穩(wěn)序列建模
3.3.1建模步驟
3.3.2樣本自相關(guān)系數(shù)與偏自相關(guān)系數(shù)
3.3.3模型識(shí)別
3.3.4參數(shù)估計(jì)
3.3.5模型檢驗(yàn)
3.3.6模型優(yōu)化
3.4序列預(yù)測(cè)
3.4.1線性預(yù)測(cè)函數(shù)
3.4.2預(yù)測(cè)方差最小原則
3.4.3線性最小方差預(yù)測(cè)的性質(zhì)
3.4.4修正預(yù)測(cè)
3.5習(xí)題
3.6上機(jī)指導(dǎo)
3.6.1模型識(shí)別
3.6.2參數(shù)估計(jì)
3.6.3序列預(yù)測(cè)
第4章非平穩(wěn)序列的確定性分析
4.1時(shí)間序列的分解
4.1.IWold分解定理
4.1.2Cramer分解定理
4.2確定性因素分解
4.3趨勢(shì)分析
4.3.1趨勢(shì)擬合法
4.3.2平滑法
4.4季節(jié)效應(yīng)分析
4.5綜合分析
4.6X-11過(guò)程
4.7習(xí)題
4.8上機(jī)指導(dǎo)
4.8.1擬合線性趨勢(shì)
4.8.2擬合非線性趨勢(shì)
4.8.3X-ll過(guò)程
第5章非平穩(wěn)序列的隨機(jī)分析
5.1差分運(yùn)算
5.1.1差分運(yùn)算的實(shí)質(zhì)
5.1.2差分方式的選擇
5.1.3過(guò)差分
5.2ARIMA模型
5.2.1ARIMA模型的結(jié)構(gòu)
5.2.2ARIMA模型的性質(zhì)
5.2.3ARIMA模型建模
5.2.4ARIMA模型預(yù)測(cè)
5.2.5疏系數(shù)模型
5.2.6季節(jié)模型
5.3Auto-Regressive模型
5.3.1模型結(jié)構(gòu)
5.3.2殘差自相關(guān)檢驗(yàn)
5.3.3模型擬合
5.4異方差的性質(zhì)
5.4.1異方差的影響
5.4.2異方差的直觀診斷
5.5方差齊性變換
5.6條件異方差模型
5.6.1模型結(jié)構(gòu)
5.6.2模型擬合
5.7習(xí)題
5.8上機(jī)指導(dǎo)
5.8.1擬合ARIMA模型
5.8.2擬合Auto-Regressive模型
5.8.3擬合GARCH模型
第六章多元時(shí)間序列分析
6.1平穩(wěn)多元序列建模
6.2虛假回歸
6.3單位根檢驗(yàn)
6.3.1DF檢驗(yàn)
6.3.2ADF檢驗(yàn)
6.3.3PP檢驗(yàn)
6.4協(xié)整
6.4.1單整與協(xié)整
6.4.2協(xié)整檢驗(yàn)
6.5誤差修正模型
6.6習(xí)題
6.7上機(jī)指導(dǎo)
附錄1
附錄2
附錄3
參考文獻(xiàn)