時間序列分析簡明教程

第1章  動態(tài)數(shù)據(jù)預(yù)處理
 1. 1  平穩(wěn)性檢驗(yàn)
 1. 2  正態(tài)性檢驗(yàn)
 1. 3  獨(dú)立性檢驗(yàn)
 1. 4  周期性檢驗(yàn)
 1. 5  趨勢項(xiàng)檢驗(yàn)
 1. 6  小結(jié)
 習(xí)題
 第2章  時間序列模型
 2. 1  線性平穩(wěn)模型
 2. 2  自回歸模型(AR模型)
 2. 3  滑動平均模型(MA模型)
 2. 4  自回歸-滑動平均混合模型(ARMA模型)
 2. 5  時間序列模型的特征函數(shù)
 2. 5. 1  偏相關(guān)函數(shù)
 2. 5. 2  格林函數(shù)(G函數(shù))
 2. 5. 3  逆函數(shù)(I函數(shù))
 2. 6  非平穩(wěn)的時間序列模型
 2. 6. 1  ARIMA模型
 2. 6. 2  IMA模型
 2. 7  小結(jié)
 習(xí)題
 第3章  模型參數(shù)估計
 3. 1  樣本參數(shù)估計
 3. 1. 1  樣本均值
 3. 1. 2  樣本方差
 3. 1. 3  樣本自相關(guān)
 3. 1. 4  樣本功率譜
 3. 2  模型參數(shù)的相關(guān)矩估計
 3. 2. 1  AR模型參數(shù)的矩估計
 3. 2. 2  MA模型參數(shù)的矩估計
 3. 2. 3  ARMA模型參數(shù)的矩估計
 3. 3  最小二乘估計(LS估計)
 3. 3. 1  最小二乘方法
 3. 3. 2  AR模型參數(shù)的LS估計
 3. 3. 3  ARMA模型參數(shù)的LS估計
 3. 4  最小方差估計(LMS估計)
 3. 4. 1  最小方差方法
 3. 4. 2  模型參數(shù)的LMS估計
 3. 5  最大似然估計(ML估計)
 3. 5. 1  最大似然方法
 3. 5. 2  模型參數(shù)的ML估計
 3. 6  最大熵估計
 3. 6. 1  最大熵準(zhǔn)則
 3. 6. 2  AR模型參數(shù)的最大熵估計
 3. 7  小結(jié)
 習(xí)題
 第4章  模型定階方法
 4. 1  偏相關(guān)定階法
 4. 2  白度檢驗(yàn)定階法
 4. 2. 1  自相關(guān)檢驗(yàn)法
 4. 2. 2  卡埃檢驗(yàn)法
 4. 3  F檢驗(yàn)定階法
 4. 4  準(zhǔn)則函數(shù)定階法
 4. 4. 1  最小預(yù)報誤差準(zhǔn)則(FPE準(zhǔn)則)
 4. 4. 2  最小信息準(zhǔn)則(AIC準(zhǔn)則)
 4. 4. 3  BIC準(zhǔn)則
 4. 5  信息熵定階法
 4. 6  小結(jié)
 習(xí)題
 第5章  時間序列建模
 5. 1  模型識別
 5. 1. 1  平穩(wěn)性數(shù)據(jù)的模型識別
 5. 1. 2  季節(jié)性數(shù)據(jù)的模型識別
 5. 1. 3  趨勢性數(shù)據(jù)的模型識別
 5. 1. 4  異常數(shù)據(jù)的模型識別
 5. 2  波克斯-詹金斯建模方法
 5. 3  潘迪特-吳賢銘建模方法
 5. 4  長自回歸. 白噪化建模方法
 5. 5  小結(jié)
 習(xí)題
 第6章  時間序列應(yīng)用
 6. 1  時間序列預(yù)測模型
 6. 2  模型譜估計
 6. 3  自適應(yīng)濾波算法
 6. 4  小結(jié)
 習(xí)題
 參考文獻(xiàn)