《时间序列分析-建模与预报》求取 ⇩

第一章预备知识1

§1 随机序列1

§2 平稳随机序列5

§3 线性差分方程21

§4 最小方差估计24

习题一38

第二章一类线性模型——ARMA模型40

§1 ARMA模型的定义41

§2 具有有理谱密度的平稳序列46

§3 ARMA模型的等价形式及其特征48

§4 模型参数的平稳域和可逆域54

§5 AR(p)、MA(q)和ARMA(p,q)序列的自协方差函数和自相关函数及其特征60

§6 AR(p)、MA(q)和ARMA(p,q)序列的偏相关函数67

习题二77

第三章ARMA模型的参数估计79

§1 平稳序列参数表征的矩估计80

§2 AR(p)、MA(q)和ARMA(p,q)模型参数的初估计85

§3 AR(p)、MA(q)和ARMA(p,q)模型参数的精估计98

习题三113

第四章模型定阶、改进和建模115

§1 模型定阶115

§2 非平稳序列的差分模型127

§3 动态数据的系统建模方法134

§4 确定性成分的分离、叠合模型154

习题四167

第五章时间序列的预报170

§1 平稳线性最小方差预报170

§2 时间序列的新息Innovation预报186

习题五193

第六章基于多值状态序列的时序分析195

§1 基于水平为均值的0-1序列的时序分析196

§2 基于任意水平的0-1序列的时序分析205

§3 有限个状态序列的时序分析211

§4 有限个状态序列的预报218

§5 实例220

习题六221

第七章多维时间序列的AR模型222

§1 多维ARMA模型的概念223

§2 多维AR模型参数的估计227

§3 多维AR模型参数矩阵的递推算法230

§4 多维AR模型的最终预报误差准则和多维∧RMA模型的AIC准则237

§5 实例：气温、气压和毫巴变量的选取245

习题七248

§1 概述250

第八章*非线性模型250

§2 门限自回归的建模254

习题八273

第九章时间序列的频域分析274

§1 时间序列的谱表示274

§2 谱密度的直接估计法286

§3 谱密度的模型估计法296

§4 隐含周期的判别和检验307

§5 快速富利叶变换及谱密度的计算319

§6 实例346

习题九357

参考文献358

附表359

附录习题解答与提示362