☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　時間序列分析是概率統計學科中應用性較強的一個分支，在金融經濟、氣象水文、信號處理、機械振動等眾多領域有著廣泛的應用。本書定位是高等院校“應用時間序列分析”課程的教材，係統講授應用時間序列分析的基本理論、方法及其應用。不僅強調基礎的一元時間序列，還介紹在實際數據分析中應用最廣泛的多元時間序列，並結閤免費的R軟件來實際分析時間序列數據。

作者簡介

吳喜之,北京大學數學力學係學士，美國北卡羅來納大學統計係博士。中國人民大學統計學院教授、博士生導師。

內頁插圖

目錄

第1章 引言1.1 時間序列的特點 1.2 時間序列例子1.3 R軟件入門 1.3.1 簡介 1.3.2 動手 1.4 本書的內容 1.5 習題

第2章 一元時間序列的基本概念和模型2.1 時間序列的平穩性及相關性度量2.1.1 平穩、自協方差函數和自相關函數2.1.2 差分算子和後移算子 2.2 白噪聲2.3 隨機遊走 2.4 趨勢平穩過程2.5 一般綫性模型2.6 MA模型 2.7 AR模型 2.8 ARMA模型 2.9 ARIMA模型2.10 季節模型 2.11 習題

第3章 一元時間序列數據的擬閤及預測3.1 一些估計和預測方法的基本數學原理 3.1.1 ARMA模型的最大似然估計3.1.2 ARMA模型的矩估計方法 3.1.3 預測的基本目的3.1.4 簡單指數平滑 3.1.5 Holt-Winters濾波預測方法 3.1.6 ARMA模型預測的基本數學原理 3.2 一元時間序列數據實例分析 3.2.1 差分、平滑和時間序列的分解 3.2.2 ARMA模型和ARIMA模型 3.2.3 例1.2中Auckland降水序列的綜閤分析3.3 習題

第4章 狀態空間模型和Kalman濾波簡介*4.1 動機 4.2 結構時間序列模型 4.2.1 局部水平模型 4.2.2 局部綫性趨勢模型4.2.3 季節效應4.3 一般狀態空間模型 4.3.1 隨時間變化係數的迴歸 4.3.2 ARMA模型的狀態空間模型形式 4.3.3 結構時間序列的一般狀態空間模型錶示 4.4 Kalman濾波 4.5 狀態空間數據例子 4.5.1 一元局部水平模型例子 4.5.2 二元局部水平模型Kalman濾波例子 4.5.3 包含季節因素的局部水平多元模型Kalman濾波例子

第5章 單位根檢驗 5.1 單整和單位根5.2 單位根檢驗 5.2.1 DF檢驗、ADF檢驗以及PP檢驗 5.2.2 KPSS檢驗

第6章 長期記憶過程:ARFIMA模型6.1 介於(0)及(1)之間的長期記憶序列 6.2 ARFIMA過程 6.3 ARFIMA模型擬閤例3.4尼羅河流量數據

第7章 GARCH模型7.1 時間序列的波動 7.2 模型的描述 7.3 數據的擬閤7.3.1 例7.1數據的擬閤7.3.2 例7.2數據的擬閤7.4 GARCH模型的延伸 7.4.1 一組GARCH模型7.4.2 FGARCH模型族 7.4.3 ARFIMA-GARCH模型族擬閤例7.2數據

第8章 多元時間序列的基本概念和模型8.1 平穩性8.2 交叉協方差矩陣和相關矩陣8.3 一般綫性模型8.4 VARMA模型8.5 協整模型和Granger因果檢驗8.5.1 VECM和協整 8.5.2 協整檢驗8.5.3 Granger因果檢驗

第9章 多元時間序列數據的擬閤及預測9.1 例9.1數據的協整檢驗和Granger因果檢驗9.1.1 Johansen協整檢驗.9.1.2 Engle-Granger協整檢驗9.1.3 Pillips-Ouliaris協整檢驗9.1.4 例9.1數據的Granger因果檢驗 9.2 用VAR、VARX及狀態空間模型擬閤例9.1數據 9.2.1 用VAR擬閤及預測例9.1數據 9.2.2 用VARX模型擬閤及預測例9.1數據 9.2.3 用狀態空間模型擬閤及預測例9.1數據 9.3 習題

第10章 非綫性時間序列10.1 非綫性例子10.2 綫性AR模型10.3 自門限自迴歸模型 10.3.1 一個門限參數的模型 10.3.2 兩個門限參數的模型 10.3.3 Hansen檢驗10.4 Logistic平滑過渡自迴歸模型10.5 神經網絡模型10.6 可加AR模型10.7 模型的比較10.8 門限協整 10.8.1 嚮量誤差修正模型10.8.2 嚮量誤差修正模型的估計10.8.3 嚮量誤差修正模型的檢驗

第11章 譜分析簡介11.1 周期性時間序列11.2 譜密度11.3 譜分布函數11.4 自相關母函數和譜密度11.5 時不變綫性濾波器11.6 譜估計11.6.1 通過樣本自協方差函數估計譜密度.11.6.2 通過周期圖估計譜密度 11.6.3 非參數譜密度估計.11.6.4 參數譜密度估計附錄使用R軟件練習參考文獻

前言/序言

　　同類教材的特點　　首先，一些教材偏重於數學理論和推導。作者多為數學齣身，他們習慣於數學的嚴格性和導齣精確而又漂亮的數學結論。這些書適用於那些願意為時間序列的數學理論研究做齣貢獻的讀者。　　其次，國內教材中一元時間序列往往占絕大部分篇幅，而且包含在各種數學假定下的各種定理和結果。這是因為一元時間序列的數學描述確實很漂亮，很多結果都能夠以比較簡潔的數學語言錶達齣來。而多元時間序列則很不一樣，在一元情況下很漂亮的結果，在多元情況下就完全不同瞭。在數學上，復雜的錶達是不被人們所喜愛的，因此，多元時間序列很難在數學味道很濃的教科書中展開。　　很多教材對於真實時間序列的數據分析強調得不夠。那些數學味道強的書，由於其主要目的不是分析實際數據，而且實際數據往往很難滿足書中的數學假定，過多地討論實際應用並不是這些書的重點。　　另外有一些教材的確強調應用，而且作者很多也不是數學齣身，書中也列舉瞭一些數學假定和結論，但是往往沒有花篇幅去完善和係統化，更沒有用簡明扼要的語言去做解釋，使得無論是數學還是非數學齣身的讀者都不能很好地理解所用模型背後的機理。　　在涉及統計軟件使用方麵，數學味道強的書完全不用任何軟件是可以理解的，但很多偏重於應用的教科書隻介紹昂貴的“傻瓜式”商業軟件就不值得提倡瞭，因為介紹昂貴商業軟件的教材客觀上鼓勵瞭使用盜版軟件。商業軟件不透明，代碼保密，而且沒有體現最新的成果，完全不能滿足實際工作者的需要。本書的特點　　本書的目標讀者是非數學專業齣身的各類人員，可以是本科生或者研究生，也可以是在校教師或者實際工作者。我們力圖用簡單通俗的語言闡述有關的基本概念和計算，並盡量通過案例來講述各種時間序列方法，使得非數學背景的讀者可以較容易地理解。同時，我們也把有關的數學結構用簡單完整的方式闡述，以供讀者參考。
華章應用統計係列·應用時間序列分析：R軟件陪同 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

很實用

評分☆☆☆☆☆

沒有太多復雜演算，很實用的一本書！

評分☆☆☆☆☆

要求有一定的數學基礎，還好吧

評分☆☆☆☆☆

值得一看值得一看值得一看值得一看

評分☆☆☆☆☆

時間序列預測就是利用統計技術與方法，從預測指標的時間序列中找齣演變模式，建立數學模型，對預測指標的未來發展趨勢做齣定量估計

評分☆☆☆☆☆

不錯的書 學到許多知識 很喜歡

評分☆☆☆☆☆

值得一看值得一看值得一看值得一看

評分☆☆☆☆☆

不錯的書 學到許多知識 很喜歡

評分☆☆☆☆☆

還可以

類似圖書 點擊查看全場最低價

查看全網最低價