关注微信

推荐商品

    加载中... 正在为您读取数据...
分享到:
  • 应用时间序列分析[平装]
  • 共1个商家     25.50元~25.50
  • 作者:史代敏^谢小燕(编者)
  • 出版社:高等教育出版社;第1版(2011年6月1日)
  • 出版时间:
  • 版次 :
  • 印刷时间:
  • 包装:
  • ISBN:9787040316322

  • 商家报价
  • 简介
  • 评价
  • 加载中... 正在为您读取数据...
  • 商品描述

    编辑推荐

    《应用时间序列分析》为普通高等教育“十一五”国家级规划教材之一。

    目录

    第一章 导论
    第一节 关于时间序列分析
    一、什么是时间序列
    二、时间序列分析的产生与发展
    三、时间序列分析与经济预测
    四、时间序列分析与计量经济学的关系
    第二节 时间序列分析的一些基本概念
    一、随机过程
    二、随机过程的分布及其特征
    三、几种重要的随机过程
    四、随机过程的平稳性
    第三节 时间序列的主要特征
    一、时间序列的相关性
    二、时间序列的平稳性与非平稳性
    三、时间序列的波动聚集性
    第四节 时间序列分析的基本步骤
    一、模型识别
    二、模型估计
    三、模型检验
    四、模型应用
    第五节 时间序列分析软件
    本章小结
    本章主要公式
    思考与练习题

    第二章 平稳时间序列模型及其特征
    第一节 模型类型及其表示
    一、预备知识
    二、自回归模型
    三、移动平均模型
    四、自回归移动平均模型
    第二节 格林函数和平稳性
    一、arma(p,g)的格林函数
    二、系统的平稳性
    三、系统的平稳性与稳定性
    第三节 逆函数和可逆性
    一、ma(q)模型的可逆域
    二、ma(g)模型的逆函数
    三、arma(p,q)的可逆域与逆函数
    四、格林函数与逆函数之间的关系
    第四节 平稳时间序列的统计特征
    一、自相关函数
    二、偏相关函数
    本章小结
    本章主要公式
    思考与练习题
    本章附录

    第三章 平稳时间序列模型的建立
    第一节 模型识别与定阶
    一、自相关函数和偏相关函数的估计
    二、模型的初步识别
    三、模型的定阶
    第二节 模型参数的估计
    一、模型参数的矩估计
    二、模型参数的最小二乘估计
    三、模型参数的极大似然估计
    四、模型参数的最小平方和估计
    第三节 模型的适应性检验
    一、过拟合检验
    二、残差自相关的x2检验
    第四节 时间序列建模的方法
    一、box-jenkins建模方法
    二、pandit-wu建模方法
    第五节 案例分析
    本章小结
    本章主要公式
    思考与练习题
    本章附录

    第四章 平稳时间序列模型预测
    第一节 预测准则
    一、从几何角度提出预测问题
    二、求解正交投影
    三、最小均方误差预测
    第二节 arima模型预测
    一、ar(p)模型的预测
    二、ma(q)模型的最小均方预测
    三、arma(p,q)预测
    第三节 案例分析
    本章小结
    本章主要公式
    思考与练习题

    第五章 传递函数模型与干预变量分析
    第一节 传递函数模型的基本概念
    一、模型的形式
    二、脉冲响应函数特征
    三、常见的传递函数的形式
    四、传递函数的稳定性
    第二节 传递函数模型的识别与估计
    一、互相关函数
    二、传递函数模型的识别
    三、传递函数模型的估计与检验
    第三节 干预模型
    一、干预模型介绍
    二、干预变量的类型和组合
    三、美国crest牌牙膏的市场占有率实例分析
    第四节 案例分析
    一、一元线性回归模型的拟合
    二、传递函数模型
    本章小结
    本章主要公式
    思考与练习题

    第六章 季节模型
    第一节 季节性时间序列的重要特征
    一、季节性时间序列的表示
    二、季节性时间序列的重要特征
    第二节 季节性模型
    一、随机季节性模型
    二、乘积季节性模型
    三、常见的随机季节性模型
    第三节 季节性模型的识别
    一、季节性ma模型的自相关函数
    二、季节性ar模型的偏相关函数
    第四节 季节性时间序列模型的建立和应用
    第五节 x11方法简介
    一、季节调整和时间序列的构成因素
    二、时间序列的组合模型
    三、x22程序
    第六节 实例分析
    一、数据的特征
    二、季节调整
    三、预测假定“非典”没有发生的旅游人数的可能值
    本章小结
    本章主要公式
    思考与练习题

    第七章 非平稳时间序列的特征及检验
    第一节 非平稳时间序列的特征
    一、非平稳时间序列的概念
    二、非平稳序列的分类
    三、非平稳时间序列的统计特征
    第二节 时间序列非平稳性的常规检验法
    一、数据图示法
    二、基于相关图的平稳性检验法
    三、逆序检验法
    四、游程检验
    第三节 时间序列非平稳性的单位根检验法
    一、单位根过程
    二、单位根过程检验基础
    三、df单位根检验法
    四、pp单位根检验法与adf单位根检验法
    五、其他高效的单位根检验法简介
    第四节 案例分析
    本章小结
    本章主要公式
    思考与练习题

    第八章 协整与误差校正模型
    第一节 伪回归
    一、“伪回归”现象
    二、非平稳性对回归分析有什么影响
    三、phillips(1986)对“伪回归”的理论解释
    四、如何防止“伪回归”
    第二节 协整的概念及性质
    一、协整(cointegration)的概念
    二、协整向量的最小二乘估计及性质
    第三节 协整检验
    一、基于回归方程残差的协整检验(eg检验)
    二、协整系统的完全信息最大似然检验(johansen检验)
    第四节 误差修正(ecm)模型
    一、动态回归与误差修正模型
    二、协整与误差修正模型:granger表示定理
    三、估计ecm模型的eg两步法
    本章小结
    思考与练习题
    本章附录

    第九章 garch模型与波动性建模
    第一节 arch模型的概念与性质
    一、条件异方差问题
    二、arch模型
    三、arch模型的性质
    第二节 arch模型的估计与检验
    一、arch模型的估计
    二、arch模型的检验
    第三节 garch模型
    一、garch模型的特征
    二、garch模型的估计
    三、garch模型的检验
    第四节 arch模型的其他推广形式
    一、arch-m模型
    二、指数garch模型
    三、非对称garch模型(agarch)
    四、门限arch模型
    五、igarch模型
    六、对arch模型的简要评价
    第五节 garch模型在研究股市波动中的应用
    一、样本数据及其特征
    二、波动的arch效应
    第六节 案例分析
    一、如何在eviews中估计arch模型
    二、如何在eviews中检验arch效应
    三、garch模型估计的案例分析
    四、案例分析的r程序
    本章小结
    本章主要公式
    思考与练习题
    参考文献
    附录 统计用表
    附表1 标准化正态分布下的面积
    附表2 t分布的百分点
    附表3 9分布的上端百分点
    附表4 x2分布的上端百分点
    附表5 德宾-沃森d统计量
    附表6 协整检验临界值表

    文摘

    版权页:



    插图:



    时间序列预测是通过寻找变量动态数据的动态依存关系,并据此对未来的变化趋势和结果做出推断的统计方法。为了揭示时间序列的动态规律性,人们在认识——实践——再认识的过程中不断发展了一系列分析研究时间序列的方法。最简单的预测是幼稚预测,即以现在值作为下一时刻的预测值,显然这种预测没有多少意义。另一种预测方法是确定性时间序列分析方法,这种方法认为变量依时间变化主要是因为长期趋势、季节变化、循环波动和随机波动四种因素的影响所致,若随机波动不予考虑,那么前三种变动都是有确定规律的,基于这种认识,就形成了长期趋势分析、季节变动分析和循环波动分析等一系列确定性时间序列分析方法。还有一种时间序列预测方法是随机性时间序列分析预测,因为确定性时间序列分析毕竟不是时间序列分析的全貌,随机因素引起的变化在预测中也必须考虑,而且随着随机理论的发展,随机性波动也有规律可循,这就为分析随机因素的影响奠定了理论基础,从而产生了随机时间序列分析及其预测方法。