应用时间序列分析

第1章 引言及基础知识 1．1 引言 1．1．1 时间序列的定义 1．1．2 时间序列的分类 1．1．3 时间序列分析的方法回顾 1．2 基本概念 1．2．1 时间序列与随机过程 1．2．2 概率分布族及其特征 1．2．3 平稳时间序列的定义 1．2．4 平稳时间序列的一些性质 1．2．5 平稳性假设的意义 1．3 时间序列建模的基本步骤 1．3．1 模型识别 1．3．2 模型估计 1．3．3 模型检验 1．3．4 模型应用 1．4 R语言入门 1．4．1 R语言简介 1．4．2 R的安装 1．4．3 R的基本操作 1．5 数据预处理 1．5．1 时序图与自相关图的绘制 1．5．2 数据平稳性的图检验 1．5．3 数据的纯随机性检验 习题1 第2章 平稳时间序列模型及其性质 2．1 差分方程和滞后算子 2．1．1 差分运算与滞后算子 2．1．2 线性差分方程 2．2 自回归模型的概念和性质 2．2．1 自回归模型的定义 2．2．2 稳定性与平稳性 2．2．3 平稳自回归模型的统计性质 2．3 移动平均模型的概念和性质 2．3．1 移动平均模型的定义 2．3．2 移动平均模型的统计性质 2．4 自回归移动平均模型的概念和性质 2．4．1 自回归移动平均模型的定义 2．4．2 平稳性与可逆性 2．4．3 Green函数与逆函数 2．4．4 ARMA（p，q）模型的统计性质 习题2 第3章 平稳时间序列的建模和预测 3．1 自回归移动平均模型的识别 3．1．1 自相关函数和偏自相关函数的估计 3．1．2 模型识别的方法 3．2 参数估计 3．2．1 矩估计法 3．2．2 *小二乘估计 …… 第4章 数据的分解和平滑 第5章 非平稳时间序列模型 第6章 季节模型 第7章 单位根检验和协整 第8章 异方差时间序列模型 参考文献