图书介绍

时间序列数据分析 R软件应用PDF|Epub|txt|kindle电子书版本下载

时间序列数据分析 R软件应用
  • 赵华编著 著
  • 出版社： 北京：清华大学出版社
  • ISBN：9787302428640
  • 出版时间：2016
  • 标注页数：167页
  • 文件大小：29MB
  • 文件页数：176页
  • 主题词：时间序列分析－应用软件－高等学校－教材

PDF下载


点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快]温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页直链下载[便捷但速度慢]  [在线试读本书]   [在线获取解压码]
点击复制MD5值：0bde5e66c5e55bd911ee9d6ec0949e80

下载说明

时间序列数据分析 R软件应用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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载  详情点击-查看共享计划
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 导论1

1.1时间序列的发展过程1

1.2时间序列数据的类型与图形表示2

1.2.1时间序列数据的类型2

1.2.2时间序列数据的图形表示3

1.3时间序列数据分析的目的5

1.4时间序列数据的平稳性和自相关性6

1.4.1平稳性6

1.4.2自相关性8

1.5平稳时间序列的Wold分解12

【本章小结】14

【思考与练习】14

第2章 数据的分解和平滑16

2.1时间序列数据的分解16

2.2移动平均方法21

2.2.1中心化移动平均法21

2.2.2简单移动平均法22

2.2.3二次移动平均法23

2.3指数平滑方法25

2.3.1简单指数平滑法26

2.3.2Holt线性指数平滑法29

2.3.3Holt-Winters指数平滑法30

【本章小结】33

【思考与练习】33

第3章 平稳时间序列模型38

3.1滞后算子38

3.2自回归模型39

3.2.1一阶自回归模型39

3.2.2二阶自回归模型43

3.2.3p阶自回归模型46

3.2.4自回归模型的阶数识别48

3.3移动平均模型51

3.3.1一阶移动平均模型51

3.3.2q阶移动平均模型54

3.3.3移动平均模型的阶数识别55

3.4自回归移动平均模型58

3.4.1ARMA（1，1）模型58

3.4.2ARMA（p，q）模型60

3.4.3ARMA模型的阶数识别62

3.4.4其他模型选择方法66

3.5参数估计67

3.5.1矩法67

3.5.2条件最小二乘法71

3.5.3极大似然法73

3.5.4模型诊断75

3.6预测79

3.6.1最小均方预测79

3.6.2一阶自回归模型预测80

3.6.3p阶自回归模型预测81

3.6.4一阶移动平均模型预测82

3.6.5ARMA（p，q）模型预测83

【本章小结】86

【思考与练习】87

第4章 非平稳时间序列模型90

4.1非平稳的形式90

4.1.1确定性趋势90

4.1.2随机性趋势91

4.2趋势的消除93

4.3ARIMA模型97

4.3.1一般ARIMA模型97

4.3.2随机游走模型97

4.3.3IMA（1，1）模型99

4.4ARIMA模型的预测103

4.4.1随机游走模型的预测103

4.4.2ARIMA（1，1，1）模型的预测103

4.5ARIMA模型的建模104

【本章小结】108

【思考与练习】109

第5章 季节时间序列模型111

5.1简单季节ARMA模型111

5.1.1简单季节MA（Q）s模型111

5.1.2简单季节AR（P）s模型112

5.2乘积季节ARMA模型112

5.2.1乘积季节ARMA（p，q）×（P，Q）s模112

5.2.2乘积季节ARMA（0，1）×（1，0）12模型113

5.3非平稳季节ARIMA模型114

5.4SARIMA模型预测121

5.4.1季节AR（1）12模型121

5.4.2季节MA（1）12模型122

5.4.3SARIMA（0，0，0）×（0，1，1）12模型122

5.4.4SARIMA（0，1，1）×（0，1，1）12模型123

【本章小结】124

【思考与练习】125

第6章 协整和误差修正模型127

6.1单位根检验127

6.1.1检验非平稳性和平稳性127

6.1.2单位根检验128

6.1.3ADF单位根检验130

6.1.4PP单位根检验134

6.1.5KPSS检验136

6.2协整137

6.2.1长期趋势137

6.2.2关于协整的一些定理138

6.2.3协整检验139

6.3误差修正模型141

【本章小结】143

【思考与练习】144

第7章 资产收益率与波动性模型145

7.1资产收益率145

7.1.1简单收益率145

7.1.2对数收益率146

7.1.3投资组合收益率148

7.1.4红利支付和超额收益率的影响149

7.2ARCH模型150

7.2.1ARCH（1）模型150

7.2.2ARCH（p）模型152

7.2.3ARCH效应152

7.3GARCH模型154

7.3.1GARCH（1，1）模型155

7.3.2GARCH（p，q）模型156

7.4GARCH模型扩展158

7.4.1非对称GARCH模型158

7.4.2EGARCH模型158

7.4.3GARCH-M模型159

【本章小结】163

【思考与练习】163

参考文献165

热门推荐