时间序列分析PDF电子书下载

第一章　引论 1

1.1 经济预测与时间序列分析 1

1.2　平稳随机序列的基本概念 11

一、随机序列的定义及其数量特征 11

二、平稳随机序列及其相关性质 13

三、平稳序列的谱表示 16

四、具有有理谱密度的平稳序列 19

五、平稳序列的遍历性（Ergodic） 23

第二章 ARMA模型 26

2.1 滑动平均模型 26

2.2 自回归模型 28

2.3　滑动平均模型的可逆性 35

2.4 自回归滑动平均混合模型 36

2.5　ARMA模型之偏自相关函数 43

第三章　ARMA模型的识别和参数估计 46

3.1 自相关和偏自相关函数的估计 46

3.2　模型的初步识别 52

3.3　模型参数的初估计 54

一、AR（p）模型参数的矩估计 55

二、MA（q）模型参数的矩估计 56

三、对ARMA（p.q）模型参数的矩估计 58

四、ARMA模型参数的逆函数估计法 60

3.4　模型参数的精估计 62

一、最小二乘估计 62

二、模型参数的最大似然（ML）估计 65

第四章　模型的检验、改进和建模步骤 71

4.1 时间序列的平稳性检验 71

4.2　模型的诊断检验和模型选择 74

一、过拟合检验 74

二、残差的自相关检验 76

三、模型定阶的最佳准则函数法 79

4.3　ARMA模型的某些改进 82

一、ARIMA模型 83

二、ARIMA模型所遵从的随机差分方程 84

三、ARIMA（p.d.q）模型差分阶的确定 87

四、季节性模型 88

4.4 时间序列建模的基本步骤 93

一、Box-Jenkins方法 94

二、长自回归白噪化建模方法 96

三、潘迪特—吴（Pandit—Wu）建模方法 97

第五章　ARIMA模型预测 100

5.1 最小均方误差预测 100

5.2　ARMA模型预测 105

一、AR（p）模型预测 105

二、MA（q）模型的预测 107

三、ARMA模型的预测 110

5.3　若干非平稳模型的预测 111

第六章　传递函数模型 117

6.1 传递函数模型 118

6.2　传递函数模型的识别 122

一、互相关函数 122

二、样本互相关函数 123

三、利用互相关函数进行识别 124

四、数据预白化处理 128

五、噪声模型的识别和多个解释变量的情形 132

6.3　传递函数模型的参数估计和诊断检验 138

一、传递函数模型的参数估计 138

二、初值问题 140

三、模型诊断检验 143

6.4　传递函数模型预测 154

一、解释变量预测 155

二、区间预测 157

三、条件预测 159

第七章　干预影响分析 163

7.1 干预变量和干预模型分类 164

7.2　具有干预影响的模型识别与参数估计 170

一、单变量干预模型 170

二、传递函数干预模型 173

第八章　时间序列建模软件 181

8.1 SAS系统简介 181

一、SAS系统介绍 181

二、SAS系统使用方法 183

三、SAS系统的其他窗口 186

8.2　SAS系统数据步程序设计 192

一、数据在SAS作业流中的数据步程序设计 193

二、数据在DBF文件或DIF文件中的转换程序设计 197

8.3 时间序列时域分析建模的SAS程序设计与使用 199

一、ARIMA过程 200

二、实例分析 207

参考文献 244