图书介绍
时间序列分析 单变量和多变量方法 第2版pdf电子书版本下载
- 魏武雄著;贺学强等译 著
- 出版社: 北京:中国人民大学出版社
- ISBN:9787300103136
- 出版时间:2009
- 标注页数:597页
- 文件大小:76MB
- 文件页数:613页
- 主题词:时间序列分析
PDF下载
下载说明
时间序列分析 单变量和多变量方法 第2版PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!
(文件页数 要大于 标注页数,上中下等多册电子书除外)
注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具
图书目录
第1章 概述 1
1.1 引言 1
1.2 本书的例子和安排 2
第2章 基本概念 6
2.1 随机过程 6
2.2 自协方差和自相关函数 10
2.3 偏自相关函数 11
2.4 白噪声过程 15
2.5 均值、自协方差和自相关的估计 16
2.6 时间序列过程的移动平均和自回归表示 21
2.7 线性差分方程 24
练习 28
第3章 平稳时间序列模型 30
3.1 自回归过程 30
3.2 移动平均过程 43
3.3 AR(p)过程和MA(q)过程之间的对偶关系 51
3.4 自回归移动平均ARMA(p,q)过程 53
练习 61
第4章 非平稳时间序列模型 64
4.1 均值非平稳 65
4.2 自回归求和移动平均模型 67
4.3 方差和自协方差非平稳 77
练习 81
第5章 预报 83
5.1 引言 83
5.2 最小均方误差预报 84
5.3 预报的计算 88
5.4 对过去观测值加权平均的ARIMA预报 91
5.5 更新预报 93
5.6 最终预报函数 94
5.7 数值实例 97
练习 99
第6章 模型识别 102
6.1 模型识别的步骤 102
6.2 实例 105
6.3 逆自相关函数 118
6.4 扩展样本自相关函数和其他识别方法 121
练习 126
第7章 参数估计、诊断检验和模型选择 130
7.1 矩方法 130
7.2 极大似然方法 132
7.3 非线性估计 138
7.4 在时间序列分析中的普通最小二乘估计 143
7.5 诊断检验 145
7.6 有关序列W1至W7的实例 146
7.7 模型选择准则 148
练习 150
第8章 季节性时间序列模型 153
8.1 基本概念 153
8.2 传统方法 155
8.3 季节性ARIMA模型 157
8.4 实例 162
练习 175
第9章 单位根检验 179
9.1 引言 179
9.2 一些有用的极限分布 180
9.3 AR(1)模型中的单位根检验 182
9.4 一般模型的单位根检验 189
9.5 季节性时间序列模型的单位根检验 199
练习 203
第10章 干预分析和异常值检验 204
10.1 干预模型 204
10.2 干预分析实例 207
10.3 时间序列的异常值 214
10.4 异常值分析的实例 218
10.5 存在异常值时的模型识别 220
练习 226
第11章 傅立叶分析 228
11.1 一般概念 228
11.2 正交函数 229
11.3 有限序列的傅立叶表示 232
11.4 周期序列的傅立叶表示 233
11.5 非周期序列的傅立叶表示——离散时间序列傅立叶变换 237
11.6 连续时间函数的傅立叶表示 243
11.7 快速傅立叶变换 247
练习 250
第12章 平稳过程的谱理论 252
12.1 谱 252
12.2 一些常用过程的谱 260
12.3 线性滤波的谱 267
12.4 混叠 270
练习 271
第13章 谱估计 274
13.1 周期图分析 274
13.2 样本谱 282
13.3 平滑谱 284
13.4 ARMA谱估计 301
练习 303
第14章 转换函数模型 305
14.1 单个输入转换函数模型 305
14.2 互相关函数和转换函数模型 309
14.3 转换函数模型的结构 312
14.4 利用转换函数模型预报 323
14.5 二元频域分析 330
14.6 互谱和转换函数模型 338
14.7 多维输入转换函数模型 340
练习 342
第15章 时间序列回归和GARCH模型 345
15.1 误差具有自相关性的回归 345
15.2 ARCH和GARCH模型 347
15.3 GARCH模型的估计 352
15.4 预报误差方差的计算 354
15.5 实例 355
练习 359
第16章 向量时间序列模型 361
16.1 协方差和相关矩阵函数 361
16.2 向量过程的移动平均和自回归表示 363
16.3 向量自回归移动平均过程 364
16.4 非平稳向量自回归移动平均模型 377
16.5 向量时间序列模型的识别 378
16.6 模型拟合和预报 390
16.7 实例 392
16.8 向量过程的谱性质 396
附录16.A 多元线性回归模型 398
练习 400
第17章 向量时间序列的深入 403
17.1 向量过程的单位根和协整 403
17.2 局部过程和局部过程相关矩阵 416
17.3 向量ARMA模型的等价表示 426
练习 433
第18章 状态空间模型和卡尔曼滤波 435
18.1 状态空间表示 435
18.2 状态空间模型和ARMA模型的关系 436
18.3 状态空间模型拟和与典型相关分析 442
18.4 经验实例 445
18.5 卡尔曼滤波及其应用 449
附录18.A 典型相关 453
练习 456
第19章 长记忆和非线性过程 457
19.1 长记忆过程与分数差分 457
19.2 非线性过程 462
19.3 门限自回归模型 467
练习 473
第20章 时间序列中的聚积和系统抽样 474
20.1 ARIMA过程的时间聚积 474
20.2 预报和参数估计的聚积效应 486
20.3 ARIMA过程的系统抽样 491
20.4 系统抽样和时间聚积对因果关系的影响 493
20.5 聚积对线性和正态性检验的影响 499
20.6 聚积对单位根检验的影响 504
20.7 进一步的评论 512
练习 513
参考文献 515
附录 535
用作例子的时间序列数据 535
统计表 549
人名 568
词汇表 573