图书介绍

时间序列分析及应用 R语言 原书第2版PDF|Epub|txt|kindle电子书版本下载

时间序列分析及应用 R语言 原书第2版
  • （美）克莱尔等著 著
  • 出版社： 北京：机械工业出版社
  • ISBN：9787111325727
  • 出版时间：2011
  • 标注页数：350页
  • 文件大小：20MB
  • 文件页数：359页
  • 主题词：时间序列分析

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：8d6d8fe8ce6260bfb4725deeb7b3d7a0

下载说明

时间序列分析及应用 R语言 原书第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。

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 引论1

1.1时间序列举例1

1.2建模策略6

1.3历史上的时间序列图6

1.4本书概述7

习题7

第2章 基本概念8

2.1时间序列与随机过程8

2.2均值、方差和协方差8

2.3平稳性11

2.4小结14

习题14

附录A期望、方差、协方差和相关系数18

第3章 趋势20

3.1确定性趋势与随机趋势20

3.2常数均值的估计20

3.3回归方法22

3.4回归估计的可靠性和有效性26

3.5回归结果的解释29

3.6残差分析31

3.7小结36

习题37

第4章 平稳时间序列模型40

4.1一般线性过程40

4.2滑动平均过程41

4.3自回归过程48

4.4自回归滑动平均混合模型56

4.5可逆性57

4.6小结58

习题58

附录B AR（2）过程的平稳域61

附录C ARMA（p,q）模型的自相关函数62

第5章 非平稳时间序列模型63

5.1通过差分平稳化63

5.2 ARIMA模型66

5.3 ARIMA模型中的常数项70

5.4其他变换70

5.5小结73

习题73

附录D延迟算子75

第6章 模型识别77

6.1样本自相关函数的性质77

6.2偏自相关函数和扩展的自相关函数79

6.3对一些模拟的时间序列数据的识别83

6.4非平稳性88

6.5其他识别方法92

6.6一些真实时间序列的识别94

6.7小结99

习题99

第7章 参数估计105

7.1矩估计105

7.2最小二乘估计108

7.3极大似然与无条件最小二乘112

7.4估计的性质113

7.5参数估计例证115

7.6自助法估计ARIMA模型118

7.7小结120

习题120

第8章 模型诊断125

8.1残差分析125

8.2过度拟合和参数冗余132

8.3小结134

习题135

第9章 预测137

9.1最小均方误差预测137

9.2确定性趋势137

9.3 ARIMA预测138

9.4预测极限145

9.5预测的图示146

9.6 ARIMA预测的更新148

9.7预测的权重与指数加权滑动平均148

9.8变换序列的预测149

9.9某些ARIMA模型预测的总结151

9.10小结152

习题152

附录E条件期望156

附录F最小均方误差预测157

附录G截断线性过程158

附录H状态空间模型160

第10章 季节模型164

10.1季节ARIMA模型165

10.2乘法季节ARMA模型166

10.3非平稳季节ARIMA模型168

10.4模型识别、拟合和检验169

10.5季节模型预测174

10.6小结178

习题178

第11章 时间序列回归模型180

11.1干预分析180

11.2异常值185

11.3伪相关188

11.4预白化与随机回归191

11.5小结198

习题198

第12章 异方差时间序列模型201

12.1金融时间序列的一些共同特征201

12.2 ARCH（1）模型206

12.3 GARCH模型209

12.4极大似然估计214

12.5模型诊断217

12.6条件方差非负条件221

12.7 GARCH模型的一些扩展223

12.8另一个示例：USD/HKD汇率日数据224

12.9小结226

习题226

附录Ⅰ广义混合检验公式228

第13章 谱分析入门229

13.1引言229

13.2周期图231

13.3谱表示和谱分布235

13.4谱密度237

13.5 ARMA过程的谱密度238

13.6样本谱密度的抽样性质243

13.7小结247

习题247

附录J余弦与正弦序列的正交性250

第14章 谱估计251

14.1平滑谱密度251

14.2偏差和方差253

14.3带宽254

14.4谱置信区间254

14.5泄露和锥削256

14.6自回归谱估计259

14.7模拟数据示例259

14.8真实数据示例264

14.9其他谱估计法268

14.10小结269

习题269

附录K锥削与狄利克雷核271

第15章 门限模型273

15.1用图解法探索非线性274

15.2非线性检验278

15.3多项式模型一般是爆炸性的280

15.4一阶门限自回归模型282

15.5门限模型285

15.6门限非线性的检验285

15.7 TAR模型的估计287

15.8模型诊断293

15.9预测295

15.10小结298

习题298

附录L TAR广义混合检验299

附录Ⅰ R入门301

附录Ⅱ数据集合的说明339

参考文献342

热门推荐