1 绪论 1
1.1 时间序列的发展过程 1
1.2 时间序列的基本概念 3
1.3 平稳时间序列分析方法 7
1.4 季节指数预测法 9
1.5 时间序列主要模型介绍 11
1.6 时间序列分析工具 14
1.7 应用实例：基于时间序列的股票预测 15
1.8 小结 20
参考文献 20
2 时间序列基本概念 21
2.1 时间序列的统计概念 21
2.2 时间序列的平稳性 24
2.3 时间序列的相关性 28
2.4 时间序列的运算 34
2.5 白噪声 37
2.6 小结 40
参考文献 41
3 自回归模型——AR模型 42
3.1 AR模型的定义 42
3.2 AR模型的平稳性 43
3.3 AR模型的统计性质 45
3.4 AR模型的MATLAB实现 48
3.5 AR模型的应用实例 53
3.6 小结 55
参考文献 56
4 滑动平均模型——MA模型 57
4.1 MA模型的定义 57
4.2 MA模型的性质 58
4.3 MA模型的应用实例 61
4.4 小结 63
参考文献 63
5 自回归滑动平均模型——ARMA模型 64
5.1 ARMA模型介绍 64
5.2 ARMA模型的性质 65
5.3 ARMA模型的图像定阶 67
5.4 ARMA模型的应用实例 71
5.5 小结 75
参考文献 76
6 非平稳序列的随机分析——ARIMA模型 77
6.1 ARIMA模型的定义 77
6.2 ARIMA模型的MATLAB实现 78
6.3 ARIMA模型的应用实例 83
6.4 小结 90
参考文献 90
7 建模及预测 92
7.1 平稳性检验方法 92
7.2 AIC准则定阶 97
7.3 模型的检验 98
7.4 ADF检验方法的MATLAB实现 99
7.5 模型的预测 108
7.6 模型的建立及预测应用实例 109
7.7 小结 117
参考文献 117
8 趋势及季节性时间序列建模 118
8.1 趋势分析 118
8.2 季节效应分析 122
8.3 模型的应用实例 125
8.4 小结 135
参考文献 135
9 条件异方差模型 136
9.1 时间序列的异方差性 136
9.2 异方差性检验 139
9.3 自回归条件异方差模型 141
9.4 广义自回归条件异方差模型 143
9.5 模型的MATLAB方法 144
9.6 模型的应用实例 147
9.7 小结 155
参考文献 156
10 多元时间序列分析 157
10.1 平稳多元序列建模 157
10.2 协整 159
10.3 模型的MATLAB方法 162
10.4 模型的应用实例 165
10.5 小结 170
参考文献 170
11 航空公司乘客预测的时间序列模型 172
11.1 时序数据的分析 172
11.2 模型的估计 175
11.3 模型的测试 177
11.4 模型预测 181
11.5 模型的评估 184
11.6 小结 186
12 股票收益时间序列的建模与预测 187
12.1 时序数据的获取与预处理 187
12.2 时序数据分析 189
12.3 模型估计 193
12.4 模型的测试 195
12.5 GARCH模型的估计 196
12.6 模型的仿真 199
12.7 小结 204