時(shí)間序列分析及應(yīng)用

第一章 緒論
1.1 時(shí)間序列
1.1.1 時(shí)間序列的例子
1.1.2 時(shí)間序列分析的目的
1.2 時(shí)間序列分析方法
1.2.1 時(shí)域分析方法
1.2.2 頻域分析方法
1.3 時(shí)間序列的預(yù)處理
1.3.1 非等間隔
1.3.2 缺失值
1.3.3 離群點(diǎn)
1.4 時(shí)間序列分析發(fā)展史
第二章 預(yù)備知識(shí)
2.1 隨機(jī)過(guò)程
2.1.1 隨機(jī)過(guò)程的定義
2.1.2 隨機(jī)過(guò)程的有限維分布族與數(shù)字特征
2.1.3 常見(jiàn)的隨機(jī)過(guò)程
2.2 傅里葉變換
2.3 差分方程與系統(tǒng)
2.3.1 差分方程
2.3.2 時(shí)域離散系統(tǒng)
2.3.3 差分方程與系統(tǒng)
習(xí)題
第三章 時(shí)間序列的平穩(wěn)化
3.1 平穩(wěn)時(shí)間序列
3.1.1 平穩(wěn)時(shí)間序列的定義
3.1.2 自協(xié)方差函數(shù)
3.1.3 平穩(wěn)性的意義
3.1.4 樣本自協(xié)方差函數(shù)
3.1.5 平穩(wěn)序列譜密度
3.1.6 白噪聲序列
3.2 平穩(wěn)性檢驗(yàn)
3.2.1 時(shí)序圖判斷法
3.2.2 自相關(guān)系數(shù)檢驗(yàn)法
3.2.3 分段檢驗(yàn)法
3.2.4 游程檢驗(yàn)法
3.3 平穩(wěn)化方法
3.3.1 分解定理
3.3.2 確定性因素分解法
3.3.3 隨機(jī)性序列差分法
3.4 白噪聲檢驗(yàn)
習(xí)題
第四章 自回歸模型
4.1 AR模型的引入
4.2 AR模型的定義
4.3 平穩(wěn)AR序列的統(tǒng)計(jì)性質(zhì)
4.3.1 均值
4.3.2 方差
4.3.3 自協(xié)方差函數(shù)
4.3.4 自相關(guān)系數(shù)
4.3.5 偏自相關(guān)系數(shù)
4.3.6 譜密度
4.4 AR序列的建模
4.4.1 AR模型的判定
4.4.2 AR模型的參數(shù)估計(jì)
4.4.3 AR模型的定階
4.4.4 AR模型的檢驗(yàn)
4.5 AR模型的應(yīng)用
4.6 AR模型的預(yù)測(cè)
4.6.1 最佳預(yù)測(cè)
4.6.2 最佳線(xiàn)性預(yù)測(cè)
4.6.3 AR模型的預(yù)測(cè)
4.6.4 修正預(yù)測(cè)
4.7 AR模型的物理解釋
4.7.1 從數(shù)理統(tǒng)計(jì)角度理解
4.7.2 從系統(tǒng)角度理解
4.7.3 系統(tǒng)的因果穩(wěn)定性
習(xí)題
第五章 滑動(dòng)平均模型
5.1 MA模型的定義
5.2 MA模型的可逆性
5.3 MA序列的統(tǒng)計(jì)性質(zhì)
5.3.1 均值和方差
5.3.2 自協(xié)方差函數(shù)和自相關(guān)系數(shù)
5.3.3 偏自相關(guān)系數(shù)
5.3.4 譜密度
5.4 MA序列的建模
5.4.1 MA模型的判定
5.4.2 MA模型的參數(shù)估計(jì)
5.4.3 MA模型的定階
5.4.4 MA模型的檢驗(yàn)
5.5 MA模型的預(yù)測(cè)
5.5.1 修正預(yù)測(cè)
5.6 MA模型的應(yīng)用
5.7 MA模型的物理解釋
5.7.1 從數(shù)理統(tǒng)計(jì)角度理解
5.7.2 從系統(tǒng)角度理解
5.7.3 系統(tǒng)的因果穩(wěn)定性
習(xí)題
第六章 自回歸滑動(dòng)平均模型
6.1 ARMA模型的定義
6.2 ARMA模型的統(tǒng)計(jì)性質(zhì)
6.2.1 均值和方差
6.2.2 自協(xié)方差函數(shù)和自相關(guān)系數(shù)
6.2.3 譜密度
6.3 ARMA序列的建模
6.3.1 ARMA模型的判定
6.3.2 ARMA模型的參數(shù)估計(jì)
6.4 ARMA模型的預(yù)測(cè)
6.4.1 無(wú)限觀測(cè)值
6.4.2 有限觀測(cè)值
6.5 ARMA模型的應(yīng)用
6.6 ARMA模型的物理解釋
6.6.1 從數(shù)理統(tǒng)計(jì)角度理解
6.6.2 從系統(tǒng)角度理解
6.6.3 系統(tǒng)的因果穩(wěn)定性
習(xí)題
第七章 求和自回歸滑動(dòng)平均模型
7.1 ARIMA模型的定義
7.2 ARIMA模型的建模
7.2.1 過(guò)差分
7.2.2 ARIMA模型的建模流程
7.3 ARIMA模型的應(yīng)用
7.4 SARIMA模型
7.4.1 SARIMA模型的定義
7.4.2 SARIMA模型的應(yīng)用
習(xí)題
第八章 非線(xiàn)性時(shí)間序列
8.1 條件異方差模型
8.1.1 異方差問(wèn)題的提出
8.1.2 異方差的處理
8.1.3 條件異方差模型及性質(zhì)
8.1.4 GARCH模型及其性質(zhì)
8.1.5 GARCH模型的參數(shù)估計(jì)
8.1.6 GARCH模型的應(yīng)用
8.2 門(mén)限自回歸模型
8.2.1 門(mén)限自回歸模型的定義
8.2.2 門(mén)限自回歸模型的參數(shù)估計(jì)
8.2.3 門(mén)限自回歸模型的應(yīng)用
習(xí)題
第九章 多維時(shí)間序列
9.1 多維平穩(wěn)序列
9.1.1 多維平穩(wěn)序列的定義
9.1.2 均值及自協(xié)方差函數(shù)的估計(jì)
9.1.3 多維ARMA模型
9.1.4 VAR模型
9.1.5 VAR模型應(yīng)用
9.2 協(xié)整
9.2.1 偽回歸
9.2.2 協(xié)整
9.3 Kalman濾波
9.3.1 Kalman濾波的模型
9.3.2 狀態(tài)估計(jì)
9.3.3 Kalman濾波的應(yīng)用
習(xí)題
附錄A 數(shù)據(jù)
附錄B EViews上機(jī)實(shí)現(xiàn)
參考文獻(xiàn)
索引