周永道、王會琦、呂王勇編的《時間序列分析及應(yīng)用》是為統(tǒng)計學專業(yè)學生編寫的時間序列分析課程教材，全書共九章，內(nèi)容包括緒論，預(yù)備知識，時間序列的平穩(wěn)化，自回歸模型，滑動平均模型，自回歸滑動平均模型，求和自回歸滑動平均模型，非線性時間序列，多維時間序列。本書內(nèi)容既保證了理論的完整性，又具有方法的實際可操作性，多重角度剖析時間序列的三大模型，并結(jié)合統(tǒng)計軟件(EViews)應(yīng)用，增強學習效果。
本書既可作為高等學校統(tǒng)計學專業(yè)本科生時間序列分析課程的教材，也可供相關(guān)專業(yè)的研究生和教師參考。
第一章 緒論
1.1 時間序列
1.1.1 時間序列的例子
1.1.2 時間序列分析的目的
1.2 時間序列分析方法
1.2.1 時域分析方法
1.2.2 頻域分析方法
1.3 時間序列的預(yù)處理
1.3.1 非等間隔
1.3.2 缺失值
1.3.3 離群點
1.4 時間序列分析發(fā)展史
第二章 預(yù)備知識
2.1 隨機過程
2.1.1 隨機過程的定義
2.1.2 隨機過程的有限維分布族與數(shù)字特征
2.1.3 常見的隨機過程
2.2 傅里葉變換
2.3 差分方程與系統(tǒng)
2.3.1 差分方程
2.3.2 時域離散系統(tǒng)
2.3.3 差分方程與系統(tǒng)
習題
第三章 時間序列的平穩(wěn)化
3.1 平穩(wěn)時間序列
3.1.1 平穩(wěn)時間序列的定義
3.1.2 自協(xié)方差函數(shù)
3.1.3 平穩(wěn)性的意義
3.1.4 樣本自協(xié)方差函數(shù)
3.1.5 平穩(wěn)序列譜密度
3.1.6 白噪聲序列
3.2 平穩(wěn)性檢驗
3.2.1 時序圖判斷法
3.2.2 自相關(guān)系數(shù)檢驗法
3.2.3 分段檢驗法
3.2.4 游程檢驗法
3.3 平穩(wěn)化方法
3.3.1 分解定理
3.3.2 確定性因素分解法
3.3.3 隨機性序列差分法
3.4 白噪聲檢驗
習題
第四章 自回歸模型
4.1 AR模型的引入
4.2 AR模型的定義
4.3 平穩(wěn)AR序列的統(tǒng)計性質(zhì)
4.3.1 均值
4.3.2 方差
4.3.3 自協(xié)方差函數(shù)
4.3.4 自相關(guān)系數(shù)
4.3.5 偏自相關(guān)系數(shù)
4.3.6 譜密度
4.4 AR序列的建模
4.4.1 AR模型的判定
4.4.2 AR模型的參數(shù)估計
4.4.3 AR模型的定階
4.4.4 AR模型的檢驗
4.5 AR模型的應(yīng)用
4.6 AR模型的預(yù)測
4.6.1 最佳預(yù)測
4.6.2 最佳線性預(yù)測
4.6.3 AR模型的預(yù)測
4.6.4 修正預(yù)測
4.7 AR模型的物理解釋
4.7.1 從數(shù)理統(tǒng)計角度理解
4.7.2 從系統(tǒng)角度理解
4.7.3 系統(tǒng)的因果穩(wěn)定性
習題
第五章 滑動平均模型
5.1 MA模型的定義
5.2 MA模型的可逆性
5.3 MA序列的統(tǒng)計性質(zhì)
5.3.1 均值和方差
5.3.2 自協(xié)方差函數(shù)和自相關(guān)系數(shù)
5.3.3 偏自相關(guān)系數(shù)
5.3.4 譜密度
5.4 MA序列的建模
5.4.1 MA模型的判定
5.4.2 MA模型的參數(shù)估計
5.4.3 MA模型的定階
5.4.4 MA模型的檢驗
5.5 MA模型的預(yù)測
5.5.1 修正預(yù)測
5.6 MA模型的應(yīng)用
5.7 MA模型的物理解釋
5.7.1 從數(shù)理統(tǒng)計角度理解
5.7.2 從系統(tǒng)角度理解
5.7.3 系統(tǒng)的因果穩(wěn)定性
習題
第六章 自回歸滑動平均模型
6.1 ARMA模型的定義
6.2 ARMA模型的統(tǒng)計性質(zhì)
6.2.1 均值和方差
6.2.2 自協(xié)方差函數(shù)和自相關(guān)系數(shù)
6.2.3 譜密度
6.3 ARMA序列的建模
6.3.1 ARMA模型的判定
6.3.2 ARMA模型的參數(shù)估計
6.4 ARMA模型的預(yù)測
6.4.1 無限觀測值
6.4.2 有限觀測值
6.5 ARMA模型的應(yīng)用
6.6 ARMA模型的物理解釋
6.6.1 從數(shù)理統(tǒng)計角度理解
6.6.2 從系統(tǒng)角度理解
6.6.3 系統(tǒng)的因果穩(wěn)定性
習題
第七章 求和自回歸滑動平均模型
7.1 ARIMA模型的定義
7.2 ARIMA模型的建模
7.2.1 過差分
7.2.2 ARIMA模型的建模流程
7.3 ARIMA模型的應(yīng)用
7.4 SARIMA模型
7.4.1 SARIMA模型的定義
7.4.2 SARIMA模型的應(yīng)用
習題
第八章 非線性時間序列
8.1 條件異方差模型
8.1.1 異方差問題的提出
8.1.2 異方差的處理
8.1.3 條件異方差模型及性質(zhì)
8.1.4 GARCH模型及其性質(zhì)
8.1.5 GARCH模型的參數(shù)估計
8.1.6 GARCH模型的應(yīng)用
8.2 門限自回歸模型
8.2.1 門限自回歸模型的定義
8.2.2 門限自回歸模型的參數(shù)估計
8.2.3 門限自回歸模型的應(yīng)用
習題
第九章 多維時間序列
9.1 多維平穩(wěn)序列
9.1.1 多維平穩(wěn)序列的定義
9.1.2 均值及自協(xié)方差函數(shù)的估計
9.1.3 多維ARMA模型
9.1.4 VAR模型
9.1.5 VAR模型應(yīng)用
9.2 協(xié)整
9.2.1 偽回歸
9.2.2 協(xié)整
9.3 Kalman濾波
9.3.1 Kalman濾波的模型
9.3.2 狀態(tài)估計
9.3.3 Kalman濾波的應(yīng)用
習題
附錄A 數(shù)據(jù)
附錄B EViews上機實現(xiàn)
參考文獻
索引
書單推薦
