套用時間序列分析——R軟體陪同（第2版）

內容簡介

本書通過案例講述有關的概念和方法，不僅介紹了ARMA 模型、狀態空間模型、Kalman 濾波、單位根檢驗和GARCH 模型等一元時間序列方法，還介紹了很多新的多元時間序列方法，如線性協整、門限協整、VAR 模型、Granger 因果檢驗、神經網路模型、可加AR 模型和譜估計等. 書中強調對真實的時間序列數據進行分析，全程使用R 軟體分析了各個科學領域的實際數據，還分析了金融和經濟數據的例子.本書通俗易懂，理論與套用並重，可作為高等院校統計學和經濟管理等專業“時間序列分析”相關課程的教材，對金融和網際網路等領域的相關從業者也極具參考價值。

圖書目錄

前言 iii

第1 章引言1

1.1 時間序列的特點1

1.2 時間序列例子2

1.3 R 軟體入門5

1.3.1 簡介5

1.3.2 動手8

1.4 本書的內容9

1.5 習題10

第2 章一元時間序列的基本概念和ARIMA 模型12

2.1 時間序列的平穩性及相關性度量12

2.1.1 平穩、自協方差函式和自相關函式13

2.1.2 差分運算元和後移運算元15

2.2 白噪聲16

2.3 隨機遊走18

2.4 趨勢平穩過程19

2.5 聯合平穩性和互相關函式21

2.6 一般線性模型21

2.7 MA 模型23

2.8 AR 模型26

2.9 ARMA 模型31

2.10 ARIMA 模型37

2.11 季節模型38

2.12 習題39

第3 章一元時間序列數據的擬合及預測: ARIMA 及其他模型44

3.1 擬合及預測的基本目的與預測精度的度量44

3.2 對序列自相關的混成檢驗46

3.3 ARIMA 模型的估計和預測46

3.3.1 ARMA 模型的最大似然估計46

3.3.2 ARMA 模型的矩估計方法47

3.3.3 ARMA 模型預測的基本數學原理48

3.4 簡單指數平滑55

3.5 Holt-Winters 濾波預測方法61

3.6 指數平滑模型的一些術語和符號63

3.7 時間序列季節性分解的LOESS 方法66

3.7.1 LOESS 方法簡介66

3.7.2 利用LOESS 做時間序列的季節分解67

3.8 回歸用於時間序列73

3.9 時間序列的交叉驗證76

3.9.1 交叉驗證: 利用固定長度時間段的訓練集來預測固定長度的未來77

3.9.2 交叉驗證: 利用逐漸增加長度的訓練集來預測固定長度的未來80

3.10 更多的一元時間序列數據實例分析83

3.10.1 例1.4 有效聯邦基金利率例子83

套用時間序列分析——R軟體陪同（第2版）

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條