时间序列分析及应用 R语言 原书第2版PDF电子书下载

第1章 引论 1

1.1时间序列举例 1

1.2建模策略 6

1.3历史上的时间序列图 6

1.4本书概述 7

习题 7

第2章 基本概念 8

2.1时间序列与随机过程 8

2.2均值、方差和协方差 8

2.3平稳性 11

2.4小结 14

习题 14

附录A期望、方差、协方差和相关系数 18

第3章 趋势 20

3.1确定性趋势与随机趋势 20

3.2常数均值的估计 20

3.3回归方法 22

3.4回归估计的可靠性和有效性 26

3.5回归结果的解释 29

3.6残差分析 31

3.7小结 36

习题 37

第4章 平稳时间序列模型 40

4.1一般线性过程 40

4.2滑动平均过程 41

4.3自回归过程 48

4.4自回归滑动平均混合模型 56

4.5可逆性 57

4.6小结 58

习题 58

附录B AR（2）过程的平稳域 61

附录C ARMA（p,q）模型的自相关函数 62

第5章 非平稳时间序列模型 63

5.1通过差分平稳化 63

5.2 ARIMA模型 66

5.3 ARIMA模型中的常数项 70

5.4其他变换 70

5.5小结 73

习题 73

附录D延迟算子 75

第6章 模型识别 77

6.1样本自相关函数的性质 77

6.2偏自相关函数和扩展的自相关函数 79

6.3对一些模拟的时间序列数据的识别 83

6.4非平稳性 88

6.5其他识别方法 92

6.6一些真实时间序列的识别 94

6.7小结 99

习题 99

第7章 参数估计 105

7.1矩估计 105

7.2最小二乘估计 108

7.3极大似然与无条件最小二乘 112

7.4估计的性质 113

7.5参数估计例证 115

7.6自助法估计ARIMA模型 118

7.7小结 120

习题 120

第8章 模型诊断 125

8.1残差分析 125

8.2过度拟合和参数冗余 132

8.3小结 134

习题 135

第9章 预测 137

9.1最小均方误差预测 137

9.2确定性趋势 137

9.3 ARIMA预测 138

9.4预测极限 145

9.5预测的图示 146

9.6 ARIMA预测的更新 148

9.7预测的权重与指数加权滑动平均 148

9.8变换序列的预测 149

9.9某些ARIMA模型预测的总结 151

9.10小结 152

习题 152

附录E条件期望 156

附录F最小均方误差预测 157

附录G截断线性过程 158

附录H状态空间模型 160

第10章 季节模型 164

10.1季节ARIMA模型 165

10.2乘法季节ARMA模型 166

10.3非平稳季节ARIMA模型 168

10.4模型识别、拟合和检验 169

10.5季节模型预测 174

10.6小结 178

习题 178

第11章 时间序列回归模型 180

11.1干预分析 180

11.2异常值 185

11.3伪相关 188

11.4预白化与随机回归 191

11.5小结 198

习题 198

第12章 异方差时间序列模型 201

12.1金融时间序列的一些共同特征 201

12.2 ARCH（1）模型 206

12.3 GARCH模型 209

12.4极大似然估计 214

12.5模型诊断 217

12.6条件方差非负条件 221

12.7 GARCH模型的一些扩展 223

12.8另一个示例：USD/HKD汇率日数据 224

12.9小结 226

习题 226

附录Ⅰ广义混合检验公式 228

第13章 谱分析入门 229

13.1引言 229

13.2周期图 231

13.3谱表示和谱分布 235

13.4谱密度 237

13.5 ARMA过程的谱密度 238

13.6样本谱密度的抽样性质 243

13.7小结 247

习题 247

附录J余弦与正弦序列的正交性 250

第14章 谱估计 251

14.1平滑谱密度 251

14.2偏差和方差 253

14.3带宽 254

14.4谱置信区间 254

14.5泄露和锥削 256

14.6自回归谱估计 259

14.7模拟数据示例 259

14.8真实数据示例 264

14.9其他谱估计法 268

14.10小结 269

习题 269

附录K锥削与狄利克雷核 271

第15章 门限模型 273

15.1用图解法探索非线性 274

15.2非线性检验 278

15.3多项式模型一般是爆炸性的 280

15.4一阶门限自回归模型 282

15.5门限模型 285

15.6门限非线性的检验 285

15.7 TAR模型的估计 287

15.8模型诊断 293

15.9预测 295

15.10小结 298

习题 298

附录L TAR广义混合检验 299

附录Ⅰ R入门 301

附录Ⅱ数据集合的说明 339

参考文献 342