应用时间序列分析/博学21世纪高校统计学专业教材系列
出版时间:
2009-09
版次:
1
ISBN:
9787309068801
定价:
32.00
装帧:
平装
开本:
16开
纸张:
胶版纸
页数:
287页
正文语种:
简体中文
80人买过
-
《应用时间序列分析》作为系列教材的一种,着重讨论经典的AKMA模型,同时又对最新的时间序列模型加以介绍,例如ARCH模型族(自回归条件异方差模型)、ECM模型(误差修正模型)和处理高频数据的ACD模型自回归条件持续期模型),等等。教材编写简明,内容通俗,公式表述严谨,既保证了较为完整的统计理论体系,又努力突出实际案例的应用和统计思想的渗透。每章后都有相关的统计软件知识介绍,以让学生熟练掌握相关统计软件并用于应用时间序列分析上。学习本课程的学生需要熟悉概率论与数理统计的基础知识,也要具备微积分和线性代数知识。
《应用时间序列分析》可以作为统计学、数学以及经济学等专业的教材。为便于教师课堂教学,《应用时间序列分析》中的所有数据和PPT均刻录有光盘,需要的老师可直接发送到unionw@sina.com免费索取。 第一章时间序列分析概论
§1.1时间序列的定义和例子
§1.2时间序列分析方法简介
§1.3时间序列分析软件
习题一
EVIEWS软件简介(Ⅰ)
第二章时间序列分析的基本概念
§2.1随机过程
§2.2平稳过程的特征及遍历性
§2.3线性差分方程
§2.4时间序列数据的预处理
习题二
EVIEWS软件介绍(Ⅱ)
第三章线性平稳时间序列分析
§3.1线性过程
§3.2自回归过程AR(p)
§3.3移动平均过程MA(q)
§3.4自回归移动平均过程ARMA(p,q)
§3.5自相关系数与偏相关系数
习题三
第四章非平稳时间序列和季节序列模型
§4.1均值非平稳
§4.2自回归求和移动平均模型(ARIMA)
§4.3方差和自协方差非平稳
§4.4季节时间序列(SARIMA)模型
习题四
第五章时间序列的模型识别
§5.1自相关和偏自相关系数法
§5.2F检验法
§5.3信息准则法
习题五
第六章时间序列模型参数的统计推断
§6.1自协方差系数的参数估计
§6.2ARMA(p,q)模型参数的矩估计
§6.3ARMA(p,q)模型参数的极大似然估计
§6.4ARMA(p,q)模型参数的最小二乘估计
§6.5ARMA(p,q)模型的诊断检验
§6.6ARMA(p,q)模型的优化
习题六
EVIEWS软件介绍(Ⅲ)
第七章平稳时间序列模型预测
§7.1最小均方误差预测
§7.2对AR模型的预测
§7.3MA模型的预测
§7.4ARMA模型的预测
§7.5预测值的适时修正
习题七
EVIEWS软件介绍(Ⅳ)
第八章非平稳和季节时间序列模型分析方法
§8.1ARIMA模型的分析方法
§8.2季节时间序列模型的分析方法
习题八
EVIEWS软件介绍(Ⅴ)
第九章非线性时间序列模型
§9.1非线性时间序列模型
§9.2条件异方差模型
习题九
EVIEWS软件介绍(Ⅵ)
第十章多元时间序列分析
§10.1多元平稳时间序列建模
§10.2虚假回归
§10.3单位根检验
§10.4协整
§10.5误差修正模型
习题十
EVIEWS软件介绍(Ⅶ)
第十一章(超)高频数据的建模与分析简介
§11.1(超)高频数据的特点
§11.2(超)高频数据与ACD模型
§11.3交易持续期的集聚性
§11.4UHF-GARCH模型
习题十一
附录1数据
附录2常见分布表
参考文献
-
内容简介:
《应用时间序列分析》作为系列教材的一种,着重讨论经典的AKMA模型,同时又对最新的时间序列模型加以介绍,例如ARCH模型族(自回归条件异方差模型)、ECM模型(误差修正模型)和处理高频数据的ACD模型自回归条件持续期模型),等等。教材编写简明,内容通俗,公式表述严谨,既保证了较为完整的统计理论体系,又努力突出实际案例的应用和统计思想的渗透。每章后都有相关的统计软件知识介绍,以让学生熟练掌握相关统计软件并用于应用时间序列分析上。学习本课程的学生需要熟悉概率论与数理统计的基础知识,也要具备微积分和线性代数知识。
《应用时间序列分析》可以作为统计学、数学以及经济学等专业的教材。为便于教师课堂教学,《应用时间序列分析》中的所有数据和PPT均刻录有光盘,需要的老师可直接发送到unionw@sina.com免费索取。
-
目录:
第一章时间序列分析概论
§1.1时间序列的定义和例子
§1.2时间序列分析方法简介
§1.3时间序列分析软件
习题一
EVIEWS软件简介(Ⅰ)
第二章时间序列分析的基本概念
§2.1随机过程
§2.2平稳过程的特征及遍历性
§2.3线性差分方程
§2.4时间序列数据的预处理
习题二
EVIEWS软件介绍(Ⅱ)
第三章线性平稳时间序列分析
§3.1线性过程
§3.2自回归过程AR(p)
§3.3移动平均过程MA(q)
§3.4自回归移动平均过程ARMA(p,q)
§3.5自相关系数与偏相关系数
习题三
第四章非平稳时间序列和季节序列模型
§4.1均值非平稳
§4.2自回归求和移动平均模型(ARIMA)
§4.3方差和自协方差非平稳
§4.4季节时间序列(SARIMA)模型
习题四
第五章时间序列的模型识别
§5.1自相关和偏自相关系数法
§5.2F检验法
§5.3信息准则法
习题五
第六章时间序列模型参数的统计推断
§6.1自协方差系数的参数估计
§6.2ARMA(p,q)模型参数的矩估计
§6.3ARMA(p,q)模型参数的极大似然估计
§6.4ARMA(p,q)模型参数的最小二乘估计
§6.5ARMA(p,q)模型的诊断检验
§6.6ARMA(p,q)模型的优化
习题六
EVIEWS软件介绍(Ⅲ)
第七章平稳时间序列模型预测
§7.1最小均方误差预测
§7.2对AR模型的预测
§7.3MA模型的预测
§7.4ARMA模型的预测
§7.5预测值的适时修正
习题七
EVIEWS软件介绍(Ⅳ)
第八章非平稳和季节时间序列模型分析方法
§8.1ARIMA模型的分析方法
§8.2季节时间序列模型的分析方法
习题八
EVIEWS软件介绍(Ⅴ)
第九章非线性时间序列模型
§9.1非线性时间序列模型
§9.2条件异方差模型
习题九
EVIEWS软件介绍(Ⅵ)
第十章多元时间序列分析
§10.1多元平稳时间序列建模
§10.2虚假回归
§10.3单位根检验
§10.4协整
§10.5误差修正模型
习题十
EVIEWS软件介绍(Ⅶ)
第十一章(超)高频数据的建模与分析简介
§11.1(超)高频数据的特点
§11.2(超)高频数据与ACD模型
§11.3交易持续期的集聚性
§11.4UHF-GARCH模型
习题十一
附录1数据
附录2常见分布表
参考文献
查看详情
-
八五品
山东省滨州市
平均发货10小时
成功完成率94.15%
-
八五品
河南省鹤壁市
平均发货40小时
成功完成率51.85%
-
全新
上海市嘉定区
平均发货26小时
成功完成率74.71%
-
八五品
-
全新
河南省郑州市
平均发货1小时
成功完成率96.77%
-
八五品
黑龙江省哈尔滨市
平均发货4天内
成功完成率60.53%
-
八五品
-
八五品
江西省南昌市
平均发货10小时
成功完成率100%
-
八品
湖北省武汉市
平均发货16小时
成功完成率89.15%
-
八五品
安徽省宣城市
平均发货15小时
成功完成率94.44%
-
九品
湖南省益阳市
平均发货43小时
成功完成率84.19%
-
八五品
广东省东莞市
平均发货8小时
成功完成率96.69%
-
2
八品
广东省珠海市
平均发货9小时
成功完成率95.9%
-
2
八五品
广东省珠海市
平均发货9小时
成功完成率95.9%
-
2
八五品
安徽省宣城市
平均发货14小时
成功完成率94.43%
-
八五品
重庆市北碚区
平均发货30小时
成功完成率78.26%
-
5
八五品
江苏省南京市
平均发货16小时
成功完成率92.36%
-
八品
湖北省武汉市
平均发货21小时
成功完成率88.89%
-
八五品
陕西省西安市
平均发货11小时
成功完成率82.18%
-
九品