内容简介
本书以时间序列模型为基础，以经济学和管理学中的案例为载体，采用理论讲解与数据分析案例实践相结合的方式编写而成。全书共9章，包括时间序列分析基础、线性时间序列模型、单位根时间序列模型、非线性时间序列模型、协整时间序列模型、波动率模型、时间序列的机器学习方法、时间序列的深度学习方法和课程综合案例等内容。本书配有PPT课件、教学大纲、数据集、R语言代码、课后习题答案、模拟试卷及答案等教学资源，使用本书的老师可在人邮教育社区免费下载使用。
展开全文
- 第1章时间序列分析基础
- 本章导读
- 1.1 时间序列数据概述
- 1.1.1 数据类型
- 1.1.2 数据可视化
- 1.1.3 数据来源
- 1.1.4 数据特征
- 1.1.5 数据预处理
- 1.2 时间序列的基本概念
- 1.2.1 平稳性
- 1.2.2 遍历性
- 1.2.3 白噪声
- 1.2.4 鞅差过程
- 1.2.5 相依性度量
- 1.2.6 长期协方差
- 1.3 时间序列基本模型
- 1.3.1 白噪声模型
- 1.3.2 滑动平均模型
- 1.3.3 自回归模型
- 1.3.4 自回归滑动平均模型
- 1.4 时间序列预测方法
- 1.4.1 均值预测法
- 1.4.2 朴素预测法
- 1.4.3 滑动平均法
- 1.4.4 指数平滑法
- 1.4.5 模型预测法
- 1.5 案例分析: 投资组合
- 习题
- 第2章线性时间序列模型
- 本章导读
- 2.1 线性时间序列模型基础
- 2.1.1 线性时间序列过程
- 2.1.2 滞后算子
- 2.2 自回归模型
- 2.2.1 一阶自回归模型
- 2.2.2 二阶自回归模型
- 2.2.3 ｐ 阶自回归模型
- 2.2.4 自回归模型定阶
- 2.2.5 自回归模型预测
- 2.3 滑动平均模型
- 2.3.1 一阶滑动平均模型
- 2.3.2 二阶滑动平均模型
- 2.3.3 ｑ 阶滑动平均模型
- 2.3.4 滑动平均模型定阶
- 2.3.5 滑动平均模型预测
- 2.4 自回归滑动平均模型
- 2.4.1 简单自回归滑动平均模型
- 2.4.2 自回归滑动平均模型定阶
- 2.4.3 自回归滑动平均模型预测
- 2.5 线性时间序列建模指南
- 2.5.1 线性时间序列建模思想
- 2.5.2 线性时间序列建模步骤
- 2.6 案例分析
- 习题
- 第3章单位根时间序列模型
- 本章导读
- 3.1 单位根举例
- 3.1.1 醉汉
- 3.1.2 股票价格
- 3.1.3 消费
- 3.2 自回归模型的统计推断
- 3.2.1 平稳过程
- 3.2.2 单位根过程
- 3.2.3 爆炸过程
- 3.3 单位根检验
- 3.3.1 Dickey-Fuller检验
- 3.3.2 Phillips-Perron检验
- 3.3.3 ADF检验
- 3.3.4 其他检验
- 3.4 案例分析
- 习题
- 第4章非线性时间序列模型
- 4.1 参数非线性时间序列模型
- 4.1.1 自激励门限自回归模型
- 4.1.2 平滑转换自回归模型
- 4.1.3 马尔可夫区制转换自回归模型
- 4.2 非参数时间序列模型
- 4.2.1 核估计
- 4.2.2 筛分估计
- 4.3 半参数时间序列模型
- 4.3.1 部分线性回归模型
- 4.3.2 单因子回归模型
- 4.3.3 可加模型
- 4.3.4 变系数模型
- 4.4 非线性检验
- 4.4.1 参数非线性检验
- 4.4.2 非参数模型设定检验
- 4.5 案例分析
- 习题
- 第5章协整时间序列模型
- 本章导读
- 5.1 虚假回归
- 5.1.1 虚假回归的发现
- 5.1.2 虚假回归的特征
- 5.2 协整模型
- 5.2.1 协整的定义
- 5.2.2 协整的误差修正表示
- 5.2.3 协整的检验
- 5.3 平衡回归
- 5.3.1 平衡回归的构造
- 5.3.2 平衡回归的性质
- 5.4 非线性协整模型
- 5.4.1 参数非线性协整模型
- 5.4.2 非参数协整模型
- 5.4.3 半参数协整模型
- 5.4.4 变系数协整模型
- 5.5 协整模型的模型设定检验
- 5.6 案例分析
- 习题
- 第6章波动率模型
- 本章导读
- 6.1 自回归条件异方差模型
- 6.1.1 ARCH模型及其性质
- 6.1.2 ARCH模型的估计
- 6.1.3 检验ARCH效应
- 6.1.4 ARCH模型建模步骤
- 6.2 广义自回归条件异方差模型
- 6.3 其他条件异方差模型
- 6.3.1 IGARCH
- 6.3.2 ARCH-M模型
- 6.3.3 EGARCH
- 6.3.4 TGARCH
- 6.3.5 半/ 非参数GARCH
- 6.4 多元波动率模型
- 6.4.1 条件协方差模型
- 6.4.2 条件方差和条件相关系数模型
- 6.5 案例分析
- 习题
- 第7章时间序列的机器学习方法
- 本章导读
- 7.1 支持向量回归
- 7.2 回归树
- 7.3 聚类
- 7.3.1 聚类的基本思想
- 7.3.2 ｋ 均值聚类
- 7.3.3 分层聚类
- 7.4 案例分析
- 7.4.1 案例分析1：SVR和回归树的应用
- 7.4.2 案例分析2：时间序列聚类
- 习题
- 第8章时间序列的深度学习方法
- 本章导读
- 8.1 前馈神经网络
- 8.1.1 神经元
- 8.1.2 多层感知机
- 8.2 卷积神经网络
- 8.3 循环神经网络
- 8.3.1 简单循环单元网络
- 8.3.2 长短期记忆网络
- 8.3.3 门控循环单元网络
- 8.4 案例分析
- 8.4.1 案例分析1: 美国GNP数据神经网络预测
- 8.4.2 案例分析2: 股票涨跌的神经网络预测
- 习题
- 第9章课程综合案例
- 本章导读
- 9.1 案例分析: 投资组合
- 9.2 股票的超额收益率的均值预测
- 9.3 股票超额收益率的波动率预测
- 9.4 投资组合
- 9.5 投资策略
- 参考文献
展开全部
版权信息
出版社：人民邮电出版社
出版时间：2022
作者：涂云东 编著
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《时间序列分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
出版时间：2022
作者：涂云东 编著
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《时间序列分析》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
时间序列分析
免费读 (VIP)