《时间序列分析》求取 ⇩

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