时间序列分析与预测
批量上传，套装书可能不全，下单前咨询在线客服！ 正版书 ！！！
￥ 68.31 7.0折 ￥ 98 全新
库存7件
四川成都
认证卖家担保交易快速发货售后保障
作者姜向荣 等
出版社科学出版社
ISBN9787030598295
出版时间2022-05
装帧平装
开本16开
定价98元
货号28982952
上书时间2024-10-19
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
导语摘要
本书以介绍时间序列分析与预测技术为主,以大量案例为辅,详细介绍ARIMA模型的机理与应用、季节性调整的原理与操作的方法、离群值的检测与处理、传递函数与动态回归等时间序列分析与预测的关键方法及其应用.本书运用中国宏观经济案例辅助时间序列知识进行讲解,部分章节以案例分析贯穿始终,一方面印证书中的理论知识,另一方面为读者自行运用时间序列方法分析数据提供参考.案例驱动的讲解方式,便于读者理解,达到学以致用.
目录
章 时间序列概论 1
1.1 时间序列简介 1
1.2 实例研究 3
1.3 预期、平稳性、遍历性 10
1.4 差分方程 12
第2章 ARMA模型 15
2.1 数据分析与分析目的的拟定 15
2.2 系统的记忆性 16
2.3 平稳型时间序列模型——ARMA模型 20
第3章 模型检验 28
3.1 时间序列的建模 28
3.2 相关系数 28
3.3 样本自相关系数 30
3.4 移动平均模型的自相关系数 32
3.5 自回归模型的自相关系数 37
3.6 混合ARMA(1， 1)模型的自相关系数 42
3.7 自相关系数判定模型 42
3.8 偏自相关系数与样本偏自相关系数 43
3.9 附录 48
第4章 整合自回归移动平均模型及混合模型的判定 55
4.1 随机游走模型 55
4.2 ARIMA(0， 1， 1)模型——几何平滑法 58
4.3 ARIMA(0， 1， 1)模型的另一方法——自适应预期模型 62
4.4 ARIMA(p， 1， q)模型 63
4.5 ARIMA(p， 2， q)及ARIMA(p， d， q) 63
4.6 后移运算子B 68
4.7 确定趋势序列的模型 69
4.8 四则实例 70
4.9 判定混合模型的阶数 74
4.10 单位根检验 82
4.11 附录 82
第5章 模型估计与检验 86
5.1 模型估计 86
5.2 小二乘法 87
5.3 自回归模型的估计 92
5.4 移动平均模型的估计 95
5.5 模型检验 98
第6章 时间序列预测与相关方法 100
6.1 ARIMA(p， d， q)模型的两种形式 100
6.2 预测未来的观测值 101
6.3 一般性指数平滑法 113
6.4 单指数平滑 113
6.5 双指数平滑 115
6.6 Holt氏双参数指数平滑 118
6.7 Winters氏相加季节性指数平滑 119
6.8 Winters氏相乘季节性指数平滑 121
6.9 利用季节性指针的一般性指数平滑 122
6.10 利用调和函数的一般性指数平滑 123
6.11 综合说明 124
6.12 指数平滑总表 125
6.13 附录 125
第7章 季节性模型与季节性调整 130
7.1 传统季节性模型 130
7.2 季节性ARIMA模型 131
7.3 Box-Jenkins的航空模型 137
7.4 一般性相乘季节性模型 144
7.5 固定式与随机式季节性模型 145
7.6 案例分析: 航空旅游人数的预测比较 145
第8章 介入模型与离群值的检测 158
8.1 介入模型构建 159
8.2 介入分析 163
8.3 离群值的检测与估计 163
8.4 离群值的检测与模型参数估计 172
8.5 离群值的介入模型分析实例 175
第9章 传递函数模型与动态回归模型 179
9.1 传递函数模型 179
9.2 Xt与Nt的形式 180
9.3 传递函数特性 181
9.4 自相关系数 181
9.5 传递函数模型识别 182
9.6 实例说明一 186
9.7 实例说明二 196
9.8 附录 198
参考文献 223
内容摘要
本书以介绍时间序列分析与预测技术为主,以大量案例为辅,详细介绍ARIMA模型的机理与应用、季节性调整的原理与操作的方法、离群值的检测与处理、传递函数与动态回归等时间序列分析与预测的关键方法及其应用.本书运用中国宏观经济案例辅助时间序列知识进行讲解,部分章节以案例分析贯穿始终,一方面印证书中的理论知识,另一方面为读者自行运用时间序列方法分析数据提供参考.案例驱动的讲解方式,便于读者理解,达到学以致用.
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价