本书首先分析了现有混沌时间序列预测的基本理论与方法，然后给出了两种预测方法：基于最小二乘支持向量机动态选择集成混沌时间序列预测方法和基于变异粒子群联合参数优化多尺度核混沌时间序列预测方法，两种方法都很好地提高了混沌时间序列的预测精度。最后详细介绍了双重K-L变换（Karhunen-LoeveTransform）方法，该方法有效抵抗了对混沌序列的预测，提高了系统的安全性。
电子书
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。
章节目录
- 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
时间序列分析是2022年由人民邮电出版社出版,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。
电子书
电子书
2022年度宇宙奖获奖作品，著名理论物理学家李淼全文审校并做序。
电子书
读完本书后，你将对5G网络的核心网和无线网规划仿真方法有一个新的认识。
电子书
从数据处理的角度来讲解统计分析。
电子书
全书共12章，包括区间数序列预测研究概况、GM（1，1）与累积法、基于序列转换的GM（1，1）、基于序列转换的新陈代谢GM（0，N）、基于序列转换的ARMA模型、基于序列转换的支持向量机预测方法、基于整体发展系数的区问数GM（1，1）、BIGM（1，1）和TIGM（1，1）修正、基于整体发展系数的区间数多变量灰色模型、矩阵型GM（1，1）、矩阵型多变量灰色模型、向量自回归和多元线性回归联合模型等。
电子书
适读人群 ：普通高校电子信息大类本科生学习、考研，同时也适合零售和培训。
采用“案例驱动”的编写模式。书中结合实际应用，将各章按照“案例引入——数据结构及其操作——案例分析与实现”的案例驱动思路来展开。每章使用一个有趣的“问题案例”开头，由该案例逐步引入新的数据结构，然后给出该数据结构的存储表示及各种基本操作的实现，之后进一步分析此案例，最终利用该数据结构来实现此案例。
算法讲解更加细致。新版教材中对每个算法思想进行详细阐述，将用文字描述的算法步骤与用类C语言表述的算法描述一一对应。
优化教材内容。参考计算机专业全新的全国统考考研大纲，增加了大纲近两年新增的考点内容，如分块查找、外部排序等，有助于考研学生复习备考使用。
电子书
MySQL数据库管理从入门到实战，零基础读者上手MySQL的理想读物。
电子书
运维数据治理开山之作，企业基础平台数据资源建设必备图书。
