应用时间序列分析
¥
7.6
2.0折
¥
38
八五品
库存137件
作者黄红梅
出版社清华大学出版社
出版时间2016-03
版次1
装帧平装
货号9787302422785
上书时间2024-12-04
商品详情
- 品相描述:八五品
图书标准信息
-
作者
黄红梅
-
出版社
清华大学出版社
-
出版时间
2016-03
-
版次
1
-
ISBN
9787302422785
-
定价
38.00元
-
装帧
平装
-
开本
其他
-
纸张
其他
-
页数
286页
-
字数
99999千字
- 【内容简介】
-
应用时间序列分析
- 【目录】
-
章时间序列基础知识1.1时间序列的基本概念1.1.1时间序列的数字特征1.1.2时间序列自协方差和自相关系数的性质1.2平稳性1.2.1平稳性的定义1.2.2平稳时间序列的应用特白噪声过程1.4线性差分方程1.4.1滞后算子1.4.2差分算子1.4.3求解p阶线性差分方程的特征根法1.4.4求解l阶线性差分方程的特征根法和迭代法习题及参考答案参考文献第2章平稳时间序列模型2.1删A模型的形式2.1.1ARMA模型的典型形式2.1.2ARMA模型的滞后算子多项式表示形式2.1.3ARMA模型的传递形式和逆转形式2.1.4格林函数2.2ARM模型的平稳性条件2.2.1AR模型的平稳性条件2.2.2MA模型的平稳性条件2.2.3ARMA模型的平稳性条件2.3MA模型的可逆性条件2.3.1MA(q)模型的可逆性条件2.3.2MA(l)模型的可逆性条件2.3.3MA(2)模型的可逆性条件2.4ARMA过程的自相关函数和Yule.Walker方程2.4.1AR(p)过程的自相关函数及其拖尾性2.4.2MA(q)过程的自相关函数及其截尾性2.4.3ARMA(p,g)过程的自相关函数及其拖尾性2.5ARMA过程的偏自相关函数2.5.1AR(p)过程的偏自相关函数及其截尾性2.5.2MA(q)过程的偏自相关函数及其拖尾性2.5.3ARMA(p,q)过程的偏自相关函数及其拖尾性2.6Box.Jenkins建模方法2.7ARMA模型的预测2.7.1最小均方误差预测2.7.2条件期望2.7.3预测误差2.7.4AR(p)过程的预测2.7.5MA(q)过程的预测2.7.6ARMA(p,g)过程的预测2.8实例应用2.9补充内容习题及参考答案参考文献第3章单位根检验3.1典型的平稳和非平稳过程3.1.1零均值平稳过程和随机游走过程3.1.2非零均值平稳过程和带漂移的随机游走过程3.1.3趋势平稳过程和趋势非平稳过程3.2趋势平稳和差分平稳3.2.1趋势平稳过程3.2.2差分平稳过程3.2.3过度差分3.3单位根检验3.3.1DF检验3.3.2ADF检验3.3.3.DF和ADF检验中几个值得注意的问题3.3.4其他类型的单位根检验3.4实例应用3.5补充内容3.5.1例3.1的相关R语言命令及结果3.5.2例3.2的相关R语言命令及结果习题及参考答案参考文献第4章趋势和季节性建模4.1确定性趋势建模4.2随机趋势建模4.3季节性建模4.4补充内容4.4.1例4.1的相关R语言命令及结果4.4.2例4.2的相关R语言命令及结果习题及参考答案参考文献第5章条件异方差模型5.1异方差的定义5.2ARCHj立程5.3GARCH过程5.3.1GARCH(p,g)模型5.3.2条件方差的预测5.4GARCH过程的扩展模型5.4.1GARCH-M模型5.4.2IGARCH模型5.4.3EGARCH模型5.4.4TGARCH模型5.4.5GARCH类过程特点比较5.5条件异方差性的诊断检验5.6实例应用5.7补充内容习题及参考答案参考文献第6章向量自回归模型6.1VAR模型的标准形式6.2VAR模型的平稳性条件6.3VAR模型的估计和识别6.3.1VAR模型的估计6.3.2VAR模型的识别——2维1阶情况6.3.3VAR模型的识别——n维1阶情况6.4脉冲响应函数6.4.1Cholesky分解下的脉冲响应6.4.2相关系数对Cholesky分解中变量次序重要性的影响6.5方差分解6.6Granger因果关系检验6.7实例应用6.8补充内容习题及参考答案参考文献第7章协整和误差修正7.1协整理论7.2Engle-Granger协整检验7.2.1EG协整检验原理7.2.2EG协整检验实例7.3Johansen协整检验7.3.1Johansen协整检验原理7.3.2向量误差修正模型7.3.3VECM中的截距项7.3.4模型滞后阶数的选择7.3.5Johansen协整检验统计量
作者介绍
序言
点击展开
点击收起
— 没有更多了 —
以下为对购买帮助不大的评价