狀態(tài)空間方法的時間序列分析（第二版）

目　　錄
１引言１ 
２局部水平模型９ 
２１　引言９ 
２２　濾波１１ 
２３　預(yù)測誤差１７ 
２４　狀態(tài)平滑２０ 
２５　擾動平滑２３  
２６　模擬２６ 
２７　缺失觀測２８ 
２８　預(yù)測３０ 
２９　初始化３２ 
２１０　參數(shù)估計(jì)３５ 
２１１　穩(wěn)態(tài)３８ 
２１２　診斷檢查３８ 
２１３　練習(xí)４２ 
３線性高斯?fàn)顟B(tài)空間模型４３ 
３１　引言４３ 
３２　一元結(jié)構(gòu)時間序列模型４４ 
３３　多元結(jié)構(gòu)時間序列模型５１ 
３３１　同質(zhì)模型５１ 
３４　ＡＲＭＡ模型和ＡＲＩＭＡ模型５３ 
３５　指數(shù)平滑５７ 
３６　回歸模型６０ 
３７　動態(tài)因子模型６１ 
３８　連續(xù)時間狀態(tài)空間模型６２ 
３９　樣條平滑６６ 
３１０　狀態(tài)空間分析的深入評論６９ 
３１１　練習(xí)７３ 
４濾波、平滑和預(yù)測７５ 
４１　引言７５ 
４２　多元回歸理論的基本結(jié)果７６ 
４３　濾波８１ 
４４　狀態(tài)平滑８６ 
４５　擾動平滑９２ 
４６　其他狀態(tài)平滑算法９５ 
４７　平滑估計(jì)的協(xié)方差矩陣９８ 
４８　權(quán)重函數(shù)１０３ 
４９　模擬平滑１０６  
４１０　缺失觀測１０９ 
４１１　預(yù)測１１１ 
４１２　觀測向量的維度１１２ 
４１３　基本結(jié)果的矩陣形式１１３ 
４１４　練習(xí)１２０ 
５濾波和平滑的初始化１２３ 
５１　引言１２３ 
５２　卡爾曼濾波的精確初始化１２６ 
５３　狀態(tài)平滑的精確初始化１３０ 
５４　擾動平滑的精確初始化１３４ 
５５　精確初始模擬平滑１３５ 
５６　一些模型初始條件案例１３６ 
５７　增廣卡爾曼濾波和平滑１４０ 
６深入計(jì)算方面１４７ 
６１　引言１４７ 
６２　回歸估計(jì)１４７ 
６３　平方根濾波和平滑１５０  
６４　多元序列的一元處理１５５ 
６５　大型觀測向量的收縮１６０ 
６６　線性約束下的濾波與平滑１６４ 
６７　狀態(tài)空間方法的計(jì)算機(jī)軟件包１６４ 
７參數(shù)極大似然估計(jì)１７０ 
７１　引言１７０ 
７２　似然評估１７０ 
７３　參數(shù)估計(jì)１７６ 
７４　擬合優(yōu)度１８７ 
７５　診斷檢查１８７ 
８線性高斯模型應(yīng)用的演示１８９ 
８１　引言１８９ 
８２　結(jié)構(gòu)時間序列分析１８９ 
８３　二元結(jié)構(gòu)時間序列分析１９４ 
８４?。拢铮剩澹睿耄椋睿蠓治觯保梗?nbsp;
８５　平滑樣條１９９ 
８６　動態(tài)因子分析２００ 
９非線性和非高斯模型特例２０７ 
９１　引言２０７ 
９２　線性高斯信號模型２０７ 
９３　指數(shù)簇模型２０９ 
９４　厚尾分布２１２ 
９５　隨機(jī)波動模型２１３ 
９６　其他金融模型２２０ 
９７　非線性模型２２２ 
１０近似濾波與平滑２２３ 
１０１　引言２２３ 
１０２　擴(kuò)展卡爾曼濾波２２３ 
１０３　無跡卡爾曼濾波２２７ 
１０４　非線性平滑２３４ 
１０５　通過數(shù)據(jù)轉(zhuǎn)換的近似２３５ 
１０６　通過模估計(jì)的近似２３６ 
１０７　模估計(jì)的深入發(fā)展２４４ 
１０８　厚尾分布處理２５０ 
１１平滑的重要性采樣２５７ 
１１１　引言２５７ 
１１２　重要性采樣的基本思想２５８ 
１１３　重要性密度的選擇２６０ 
１１４　重要性采樣的實(shí)現(xiàn)細(xì)節(jié)２６１ 
１１５　估計(jì)狀態(tài)向量的函數(shù)２６５ 
１１６　估計(jì)對數(shù)似然值和參數(shù)２６８ 
１１７　重要性采樣的權(quán)重和診斷２７２ 
１２粒子濾波２７４ 
１２１　引言２７４ 
１２２　重要性采樣的濾波２７４ 
１２３　序貫重要性采樣２７６ 
１２４　自舉粒子濾波２８１  
１２５　輔助粒子濾波２８４ 
１２６　粒子濾波的其他實(shí)現(xiàn)２８７ 
１２７?。遥幔铮拢欤幔悖耄鳎澹欤欤椋螅幔簦椋铮?２９４ 
１３貝葉斯參數(shù)估計(jì)２９７ 
１３１　引言２９７ 
１３２　線性高斯模型的后驗(yàn)分析２９８ 
１３３　非線性非高斯模型的后驗(yàn)分析３０１ 
１３４　馬爾可夫鏈蒙特卡洛方法３０７ 
１４　非高斯和非線性演示３１０ 
１４１　引言３１０ 
１４２　非線性分解：英國居民出國旅行３１０ 
１４３　泊松密度：英國面包車司機(jī)死亡３１３ 
１４４　厚尾密度：天然氣消費(fèi)異常３１４ 
１４５　波動：英鎊兌美元日匯率３１６ 
１４６　二進(jìn)制密度：牛津劍橋劃船比賽３２１ 
參考文獻(xiàn)３２３