当前位置:首页 > 数理化
时间序列数据分析  R软件应用
时间序列数据分析  R软件应用

时间序列数据分析 R软件应用PDF电子书下载

数理化

  • 电子书积分:9 积分如何计算积分?
  • 作 者:赵华编著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2016
  • ISBN:9787302428640
  • 页数:167 页
图书介绍:本书主要包括时间序列数据的分解和平滑、平稳时间序列数据模型、非平稳时间序列数据模型、季节时间序列数据模型、多变量的误差修正模型以及时间序列数据的时变波动性模型。
《时间序列数据分析 R软件应用》目录

第1章 导论 1

1.1时间序列的发展过程 1

1.2时间序列数据的类型与图形表示 2

1.2.1时间序列数据的类型 2

1.2.2时间序列数据的图形表示 3

1.3时间序列数据分析的目的 5

1.4时间序列数据的平稳性和自相关性 6

1.4.1平稳性 6

1.4.2自相关性 8

1.5平稳时间序列的Wold分解 12

【本章小结】 14

【思考与练习】 14

第2章 数据的分解和平滑 16

2.1时间序列数据的分解 16

2.2移动平均方法 21

2.2.1中心化移动平均法 21

2.2.2简单移动平均法 22

2.2.3二次移动平均法 23

2.3指数平滑方法 25

2.3.1简单指数平滑法 26

2.3.2Holt线性指数平滑法 29

2.3.3Holt-Winters指数平滑法 30

【本章小结】 33

【思考与练习】 33

第3章 平稳时间序列模型 38

3.1滞后算子 38

3.2自回归模型 39

3.2.1一阶自回归模型 39

3.2.2二阶自回归模型 43

3.2.3p阶自回归模型 46

3.2.4自回归模型的阶数识别 48

3.3移动平均模型 51

3.3.1一阶移动平均模型 51

3.3.2q阶移动平均模型 54

3.3.3移动平均模型的阶数识别 55

3.4自回归移动平均模型 58

3.4.1ARMA(1,1)模型 58

3.4.2ARMA(p,q)模型 60

3.4.3ARMA模型的阶数识别 62

3.4.4其他模型选择方法 66

3.5参数估计 67

3.5.1矩法 67

3.5.2条件最小二乘法 71

3.5.3极大似然法 73

3.5.4模型诊断 75

3.6预测 79

3.6.1最小均方预测 79

3.6.2一阶自回归模型预测 80

3.6.3p阶自回归模型预测 81

3.6.4一阶移动平均模型预测 82

3.6.5ARMA(p,q)模型预测 83

【本章小结】 86

【思考与练习】 87

第4章 非平稳时间序列模型 90

4.1非平稳的形式 90

4.1.1确定性趋势 90

4.1.2随机性趋势 91

4.2趋势的消除 93

4.3ARIMA模型 97

4.3.1一般ARIMA模型 97

4.3.2随机游走模型 97

4.3.3IMA(1,1)模型 99

4.4ARIMA模型的预测 103

4.4.1随机游走模型的预测 103

4.4.2ARIMA(1,1,1)模型的预测 103

4.5ARIMA模型的建模 104

【本章小结】 108

【思考与练习】 109

第5章 季节时间序列模型 111

5.1简单季节ARMA模型 111

5.1.1简单季节MA(Q)s模型 111

5.1.2简单季节AR(P)s模型 112

5.2乘积季节ARMA模型 112

5.2.1乘积季节ARMA(p,q)×(P,Q)s模 112

5.2.2乘积季节ARMA(0,1)×(1,0)12模型 113

5.3非平稳季节ARIMA模型 114

5.4SARIMA模型预测 121

5.4.1季节AR(1)12模型 121

5.4.2季节MA(1)12模型 122

5.4.3SARIMA(0,0,0)×(0,1,1)12模型 122

5.4.4SARIMA(0,1,1)×(0,1,1)12模型 123

【本章小结】 124

【思考与练习】 125

第6章 协整和误差修正模型 127

6.1单位根检验 127

6.1.1检验非平稳性和平稳性 127

6.1.2单位根检验 128

6.1.3ADF单位根检验 130

6.1.4PP单位根检验 134

6.1.5KPSS检验 136

6.2协整 137

6.2.1长期趋势 137

6.2.2关于协整的一些定理 138

6.2.3协整检验 139

6.3误差修正模型 141

【本章小结】 143

【思考与练习】 144

第7章 资产收益率与波动性模型 145

7.1资产收益率 145

7.1.1简单收益率 145

7.1.2对数收益率 146

7.1.3投资组合收益率 148

7.1.4红利支付和超额收益率的影响 149

7.2ARCH模型 150

7.2.1ARCH(1)模型 150

7.2.2ARCH(p)模型 152

7.2.3ARCH效应 152

7.3GARCH模型 154

7.3.1GARCH(1,1)模型 155

7.3.2GARCH(p,q)模型 156

7.4GARCH模型扩展 158

7.4.1非对称GARCH模型 158

7.4.2EGARCH模型 158

7.4.3GARCH-M模型 159

【本章小结】 163

【思考与练习】 163

参考文献 165

相关图书
作者其它书籍
返回顶部