《時間序列數據分析——R軟體套用》是2016年2月1日清華大學出版社出版的圖書，作者是趙華。
基本介紹
- 中文名：時間序列數據分析——R軟體套用
- 作者：趙華
- 出版社：清華大學出版社
- 出版時間：2016年2月1日
- 定價：27 元
- ISBN：9787302428640
內容簡介,目錄,
內容簡介
時間序列數據的統計規律性研究是經濟、金融、商業、市場、公共政策等領域中非常重要的問題。時間序列數據分析有助於探尋數據的變動特徵，從中找出數據背後隱藏的信息，進而擬合數據變動規律的模型，預測數據的未來變化。
本書中各部分內容均先介紹時間序列數據分析的基本理論，然後以中國經濟金融數據為例說明理論的具體套用，對於厭煩模型推導的讀者可以忽略模型推導過程，直接閱讀模型的基本結論和實例套用。本書主要適用於高年級本科生時間序列分析課程的教材，也可作為碩士生使用R軟體學習時間序列分析的入門用書。本書不僅可用於高校教學，還可作為經濟、管理等實際工作部門數量分析人員研究時間序列數據的參考。
目錄
第1章導論
1.1時間序列的發展過程
1.2時間序列數據的類型與圖形表示
1.2.1時間序列數據的類型
1.2.2時間序列數據的圖形表示
1.3時間序列數據分析的目的
1.4時間序列數據的平穩性和自相關性
1.4.1平穩性
1.4.2自相關性
1.5平穩時間序列的Wold分解
【本章小結】
【思考與練習】
第2章數據的分解和平滑
2.1時間序列數據的分解
2.2移動平均方法
2.2.1中心化移動平均法
2.2.2簡單移動平均法
2.2.3二次移動平均法
2.3指數平滑方法
2.3.1簡單指數平滑法
2.3.2Holt線性指數平滑法
2.3.3HoltWinters指數平滑法
【本章小結】
【思考與練習】
第3章平穩時間序列模型
3.1滯後運算元
3.2自回歸模型
3.2.1一階自回歸模型
3.2.2二階自回歸模型
3.2.3p階自回歸模型
3.2.4自回歸模型的階數識別
3.3移動平均模型
3.3.1一階移動平均模型
3.3.2q階移動平均模型
3.3.3移動平均模型的階數識別
3.4自回歸移動平均模型
3.4.1ARMA(1,1)模型
3.4.2ARMA(p,q)模型
3.4.3ARMA模型的階數識別
3.4.4其他模型選擇方法
3.5參數估計
3.5.1矩法
3.5.2條件最小二乘法
3.5.3極大似然法
3.5.4模型診斷
3.6預測
3.6.1最小均方預測
3.6.2一階自回歸模型預測
3.6.3p階自回歸模型預測
3.6.4一階移動平均模型預測
3.6.5ARMA(p,q)模型預測
【本章小結】
【思考與練習】
第4章非平穩時間序列模型
4.1非平穩的形式
4.1.1確定性趨勢
4.1.2隨機性趨勢
4.2趨勢的消除
4.3ARIMA模型
4.3.1一般ARIMA模型
4.3.2隨機遊走模型
4.3.3IMA(1,1)模型
4.4ARIMA模型的預測
4.4.1隨機遊走模型的預測
4.4.2ARIMA(1,1,1)模型的預測
4.5ARIMA模型的建模
【本章小結】
【思考與練習】
第5章季節時間序列模型
5.1簡單季節ARMA模型
5.1.1簡單季節MA(Q)s模型
5.1.2簡單季節AR(P)s模型
5.2乘積季節ARMA模型
5.2.1乘積季節ARMA(p,q)×(P,Q)s模型
5.2.2乘積季節ARMA(0,1)×(1,0)12模型
5.3非平穩季節ARIMA模型
5.4SARIMA模型預測
5.4.1季節AR(1)12模型
5.4.2季節MA(1)12模型
5.4.3SARIMA(0,0,0)×(0,1,1)12模型
5.4.4SARIMA(0,1,1)×(0,1,1)12模型
【本章小結】
【思考與練習】
第6章協整和誤差修正模型
6.1單位根檢驗
6.1.1檢驗非平穩性和平穩性
6.1.2單位根檢驗
6.1.3ADF單位根檢驗
6.1.4PP單位根檢驗
6.1.5KPSS檢驗
6.2協整
6.2.1長期趨勢
6.2.2關於協整的一些定理
6.2.3協整檢驗
6.3誤差修正模型
【本章小結】
【思考與練習】
第7章資產收益率與波動性模型
7.1資產收益率
7.1.1簡單收益率
7.1.2對數收益率
7.1.3投資組合收益率
7.1.4紅利支付和超額收益率的影響
7.2ARCH模型
7.2.1ARCH(1)模型
7.2.2ARCH(p)模型
7.2.3ARCH效應
7.3GARCH模型
7.3.1GARCH(1,1)模型
7.3.2GARCH(p,q)模型
7.4GARCH模型擴展
7.4.1非對稱GARCH模型
7.4.2EGARCH模型
7.4.3GARCHM模型
【本章小結】
【思考與練習】
參考文獻
