自然科学总论 类型
8.0 豆瓣评分
可以朗读 语音朗读
246千字 字数
2011-01-01 发行日期
展开全部

主编推荐语

本书以易于理解的方式讲述了时间序列模型及其应用。

内容简介

本书主要内容包括：趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差时间序列模型、谱分析入门、谱估计、门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。

本书可作为高等院校统计、经济、商科、工程及定量社会科学等专业学生的教材或教学参考书，同时也可供相关技术人员使用。

目录

  • 版权信息
  • 译者序
  • 前言
  • 第1章 引论
  • 1.1 时间序列举例
  • 1.2 建模策略
  • 1.3 历史上的时间序列图
  • 1.4 本书概述
  • 习题
  • 第2章 基本概念
  • 2.1 时间序列与随机过程
  • 2.2 均值、方差和协方差
  • 2.3 平稳性
  • 2.4 小结
  • 习题
  • 附录A 期望、方差、协方差和相关系数
  • 第3章 趋势
  • 3.1 确定性趋势与随机趋势
  • 3.2 常数均值的估计
  • 3.3 回归方法
  • 3.4 回归估计的可靠性和有效性
  • 3.5 回归结果的解释
  • 3.6 残差分析
  • 3.7 小结
  • 习题
  • 第4章 平稳时间序列模型
  • 4.1 一般线性过程
  • 4.2 滑动平均过程
  • 4.3 自回归过程
  • 4.4 自回归滑动平均混合模型
  • 4.5 可逆性
  • 4.6 小结
  • 习题
  • 附录B AR（2）过程的平稳域
  • 附录C ARMA（p，q）模型的自相关函数
  • 第5章 非平稳时间序列模型
  • 5.1 通过差分平稳化
  • 5.2 ARIMA模型
  • 5.3 ARIMA模型中的常数项
  • 5.4 其他变换
  • 5.5 小结
  • 习题
  • 附录D 延迟算子
  • 第6章 模型识别
  • 6.1 样本自相关函数的性质
  • 6.2 偏自相关函数和扩展的自相关函数
  • 6.3 对一些模拟的时间序列数据的识别
  • 6.4 非平稳性
  • 6.5 其他识别方法
  • 6.6 一些真实时间序列的识别
  • 6.7 小结
  • 习题
  • 第7章 参数估计
  • 7.1 矩估计
  • 7.2 最小二乘估计
  • 7.3 极大似然与无条件最小二乘
  • 7.4 估计的性质
  • 7.5 参数估计例证
  • 7.6 自助法估计ARIMA模型
  • 7.7 小结
  • 习题
  • 第8章 模型诊断
  • 8.1 残差分析
  • 8.2 过度拟合和参数冗余
  • 8.3 小结
  • 习题
  • 第9章 预测
  • 9.1 最小均方误差预测
  • 9.2 确定性趋势
  • 9.3 ARIMA预测
  • 9.4 预测极限
  • 9.5 预测的图示
  • 9.6 ARIMA预测的更新
  • 9.7 预测的权重与指数加权滑动平均
  • 9.8 变换序列的预测
  • 9.9 某些ARIMA模型预测的总结
  • 9.10 小结
  • 习题
  • 附录E 条件期望
  • 附录F 最小均方误差预测
  • 附录G 截断线性过程
  • 附录H 状态空间模型
  • 第10章 季节模型
  • 10.1 季节ARIMA模型
  • 10.2 乘法季节ARMA模型
  • 10.3 非平稳季节ARIMA模型
  • 10.4 模型识别、拟合和检验
  • 10.5 季节模型预测
  • 10.6 小结
  • 习题
  • 第11章 时间序列回归模型
  • 11.1 干预分析
  • 11.2 异常值
  • 11.3 伪相关
  • 11.4 预白化与随机回归
  • 11.5 小结
  • 习题
  • 第12章 异方差时间序列模型
  • 12.1 金融时间序列的一些共同特征
  • 12.2 ARCH（1）模型
  • 12.3 GARCH模型
  • 12.4 极大似然估计
  • 12.5 模型诊断
  • 12.6 条件方差非负条件
  • 12.7 GARCH模型的一些扩展
  • 12.8 另一个示例：USD/HKD汇率日数据
  • 12.9 小结
  • 习题
  • 附录I 广义混合检验公式
  • 第13章 谱分析入门
  • 13.1 引言
  • 13.2 周期图
  • 13.3 谱表示和谱分布
  • 13.4 谱密度
  • 13.5 ARMA过程的谱密度
  • 13.6 样本谱密度的抽样性质
  • 13.7 小结
  • 习题
  • 附录J 余弦与正弦序列的正交性
  • 第14章 谱估计
  • 14.1 平滑谱密度
  • 14.2 偏差和方差
  • 14.3 带宽
  • 14.4 谱置信区间
  • 14.5 泄露和锥削
  • 14.6 自回归谱估计
  • 14.7 模拟数据示例
  • 14.8 真实数据示例
  • 14.9 其他谱估计法
  • 14.10 小结
  • 习题
  • 附录K 锥削与狄利克雷核
  • 第15章 门限模型
  • 15.1 用图解法探索非线性
  • 15.2 非线性检验
  • 15.3 多项式模型一般是爆炸性的
  • 15.4 一阶门限自回归模型
  • 15.5 门限模型
  • 15.6 门限非线性的检验
  • 15.7 TAR模型的估计
  • 15.8 模型诊断
  • 15.9 预测
  • 15.10 小结
  • 习题
  • 附录L TAR广义混合检验
  • 附录Ⅰ R入门
  • 附录Ⅱ 数据集合的说明
  • 参考文献
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。