应用时间序列分析——基于Python

第1章 时间序列分析概论
1．1 时间序列
1．2 时间序列分析
1．3 时间序列分析的基本概念
1．4 时间序列分析的一般步骤
1．5 时间序列分析软件——Python简介
1．6 习题

第2章 平稳时间序列模型
2．1 自回归模型
2．2 移动平均模型
2．3 自回归移动平均模型
2．4 平稳时间序列模型的特征
2．5 平稳时间序列模型的建立
2．6 Pandit-Wu建模方法
2．7 案例分析
2．8 习题

第3章 非平稳时间序列模型
3．1 非平稳时间序列
3．2 无季节效应的非平稳时间序列模型
3．3 ARIMA模型的建立
3．4 有季节效应的非平稳时间序列模型
3．5 季节ARIMA模型的建立
3．6 案例分析
3．7 习题

第4章 时间序列的预测
4．1 *小均方误差预测
4．2 平稳时间序列的预测
4．3 非平稳时间序列的预测
4．4 案例分析
4．5 习题

第5章 多元时间序列分析
5．1 向量平稳时间序列
5．2 VAR（p）模型
5．3 传递函数模型
5．4 协整与误差修正模型
5．5 案例分析
5．6 习题

第6章 条件异方差模型
6．1 条件期望与无条件期望
6．2 ARCH模型
6．3 GARCH模型
6．4 GARCH模型的建立
6．5 GARCH类模型的扩展
6．6 案例分析
6．7 习题

第7章 门限自回归模型
7．1 门限自回归模型
7．2 门限自回归模型的建立
7．3 门限自回归模型的扩展形式
7．4 案例分析
7．5 习题
参考文献
附录