图书介绍
应用时间序列分析 R软件陪同PDF|Epub|txt|kindle电子书版本下载
- 吴喜之，刘苗编著 著
- 出版社： 北京：机械工业出版社
- ISBN：9787111468165
- 出版时间：2014
- 标注页数：175页
- 文件大小：24MB
- 文件页数：188页
- 主题词：时间序列分析－高等学校－教材
PDF下载
下载说明
应用时间序列分析 R软件陪同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 引言1
1.1 时间序列的特点1
1.2 时间序列例子1
1.3 R软件入门5
1.3.1 简介5
1.3.2 动手7
1.4 本书的内容7
1.5 习题8
第2章 一元时间序列的基本概念和模型10
2.1 时间序列的平稳性及相关性度量10
2.1.1 平稳、自协方差函数和自相关函数10
2.1.2 差分算子和后移算子12
2.2 白噪声13
2.3 随机游走14
2.4 趋势平稳过程15
2.5 一般线性模型15
2.6 MA模型16
2.7 AR模型19
2.8 ARMA模型23
2.9 ARIMA模型24
2.10 季节模型26
2.11 习题26
第3章 一元时间序列数据的拟合及预测29
3.1 一些估计和预测方法的基本数学原理29
3.1.1 ARMA模型的最大似然估计29
3.1.2 ARMA模型的矩估计方法30
3.1.3 预测的基本目的30
3.1.4 简单指数平滑30
3.1.5 Holt-Winters滤波预测方法32
3.1.6 ARMA模型预测的基本数学原理33
3.2 一元时间序列数据实例分析36
3.2.1 差分、平滑和时间序列的分解36
3.2.2 ARMA模型和ARIMA模型49
3.2.3 例1.2 中Auckland降水序列的综合分析60
3.3.习题67
第4章 状态空间模型和Kalman滤波简介69
4.1 动机69
4.2 结构时间序列模型69
4.2.1 局部水平模型70
4.2.2 局部线性趋势模型70
4.2.3 季节效应70
4.3 一般状态空间模型71
4.3.1 随时间变化系数的回归71
4.3.2 ARMA模型的状态空间模型形式71
4.3.3 结构时间序列的一般状态空间模型表示74
4.4 Kalman滤波75
4.5 状态空间数据例子76
4.5.1 一元局部水平模型例子76
4.5.2 二元局部水平模型Kalman滤波例子78
4.5.3 包含季节因素的局部水平多元模型Kalman滤波例子80
第5章 单位根检验83
5.1 单整和单位根83
5.2 单位根检验84
5.2.1 DF检验、ADF检验以及PP检验85
5.2.2 KPSS检验88
第6章 长期记忆过程：ARFIMA模型90
6.1 介于I（0）及I（1）之间的长期记忆序列90
6.2 ARFIMA过程91
6.3 ARFIMA模型拟合例3.4 尼罗河流量数据93
第7章 GARCH模型95
7.1 时间序列的波动95
7.2 模型的描述98
7.3 数据的拟合100
7.3.1 例7.1 数据的拟合100
7.3.2 例7.2 数据的拟合102
7.4 GARCH模型的延伸104
7.4.1 一组GARCH模型104
7.4.2 FGARCH模型族106
7.4.3 ARFIMA-GARCH模型族拟合例7.2 数据107
第8章 多元时间序列的基本概念和模型112
8.1 平稳性112
8.2 交叉协方差矩阵和相关矩阵112
8.3 一般线性模型113
8.4 VARMA模型113
8.5 协整模型和Granger因果检验114
8.5.1 VECM和协整114
8.5.2 协整检验115
8.5.3 Granger因果检验117
第9章 多元时间序列数据的拟合及预测119
9.1 例9.1 数据的协整检验和Granger因果检验120
9.1.1 Johansen协整检验120
9.1.2 Engle-Granger协整检验120
9.1.3 Pillips-Ouliaris协整检验121
9.1.4 例9.1 数据的Granger因果检验122
9.2 用VAR、 VARX及状态空间模型拟合例9.1 数据122
9.2.1 用VAR拟合及预测例9.1 数据122
9.2.2 用VARX模型拟合及预测例9.1 数据125
9.2.3 用状态空间模型拟合及预测例9.1 数据127
9.3 习题129
第10章 非线性时间序列130
10.1 非线性例子130
10.2 线性AR模型133
10.3 自门限自回归模型133
10.3.1 一个门限参数的模型134
10.3.2 两个门限参数的模型135
10.3.3 Hansen检验137
10.4 Logistic平滑过渡自回归模型138
10.5 神经网络模型140
10.6 可加AR模型141
10.7 模型的比较142
10.8 门限协整142
10.8.1 向量误差修正模型142
10.8.2 向量误差修正模型的估计143
10.8.3 向量误差修正模型的检验145
第11章 谱分析简介147
11.1 周期性时间序列147
11.2 谱密度150
11.3 谱分布函数151
11.4 自相关母函数和谱密度152
11.5 时不变线性滤波器155
11.6 谱估计158
11.6.1 通过样本自协方差函数估计谱密度158
11.6.2 通过周期图估计谱密度158
11.6.3 非参数谱密度估计160
11.6.4 参数谱密度估计162
附录使用R软件练习164
参考文献172