《时间序列分析》求取 ⇩

第一章　时间序列与随机过程1

1.1　什么是时间序列1

1.2　随机过程的基本概念9

1.3　宽平稳过程17

1.4　平稳序列的谱表示26

1.5　平稳序列的遍历性35

1.6　线性最小方差估计44

1.7　线性差分方程47

习题51

第二章　线性过程54

2.1　噪声过程与线性过程54

2.2　MA（q）模型65

2.3　AR（p）模型73

2.4　ARMA（p,q）模型89

2.5　线性过程的逆自相关函数及其性质103

习题110

3.1线性平稳时间序列自协方差函数和自相关函数的估计113

第三章　ARMA模型的建模113

3.2　模型的初步识别119

3.3　AR模型的参数估计125

3.4AR（p）模型的定阶143

3.5MA模型的参数估计和定阶162

3.6ARMA模型的参数估计和定阶167

3.7　带有干扰噪声的AR模型的建模191

3.8　疏系数AR模型的建模196

习题201

4.1　最优线性预报204

第四章　平稳时间序列的预报204

4.2　线性过程的预报208

4.3ARMA序列的平稳预报212

4.4ARMA序列的新息预报225

4.5　谱已知的预报问题237

习题248

第五章　非平稳时间序列的ARIMA模型251

5.1ARIMA模型251

5.2　季节性ARIMA模型257

5.3　ARIMA模型建模259

5.4　ARIMA模型的预报272

5.5　长记忆过程278

习题291

第六章　非线性模型与混合回归模型293

6.1　引言293

6.2　非线性模型的特点及其检验295

6.3　门限自回归模型298

6.4　双线性模型310

6.5　混合回归模型317

习题324

第七章　谱分析327

7.1　谱估计的周期图方法327

7.2　最大熵谱估计与其它谱密度估计方法360

7.3　离散谱的检测与估计386

7.4　周期采样与随机采样407

习题416

第八章　多维时间序列介绍421

8.1　多维线性平稳序列421

8.2　多维AR（p）模型的建模428

8.3　多维平稳序列的谱估计434

8.4　多维时间序列的主成分分析439

8.5　多维时间序列的典型分析446

习题451

第九章　时间序列分析的估计理论453

9.1　预备知识453

9.2　自协方差函数和自相关函数估计的相合性462

9.3　样本自协方差函数和样本自相关函数各阶矩的渐近性质467

9.4　样本自协方差函数和样本逆自协方差函数的渐近分布471

9.5　样本自协方差函数和样本逆自协方差函数的一致收敛速度483

9.6　AR（p）模型参数估计的渐近性质486

9.7　关于AR模型定阶方法的强相合性495

9.8　ARMA模型极大似然估计的渐近性质505

9.9　其它估计量的渐近性质514

习题520

附录　判别高阶多项式的根是否在单位圆外的Jury准则524

附表525

参考文献532