更新时间：2019-06-19 15:50:45
封面
版权信息
作者简介
彩图集锦
内容简介
除了你的才华，其他一切都不重要！
前言
1 绪论
1.1 时间序列的发展过程
1.2 时间序列的基本概念
1.3 平稳时间序列分析方法
1.4 季节指数预测法
1.5 时间序列主要模型介绍
1.6 时间序列分析工具
1.7 应用实例：基于时间序列的股票预测
1.8 小结
参考文献
2 时间序列基本概念
2.1 时间序列的统计概念
2.2 时间序列的平稳性
2.3 时间序列的相关性
2.4 时间序列的运算
2.5 白噪声
2.6 小结
3 自回归模型——AR模型
3.1 AR模型的定义
3.2 AR模型的平稳性
3.3 AR模型的统计性质
3.4 AR模型的MATLAB实现
3.5 AR模型的应用实例
3.6 小结
4 滑动平均模型——MA模型
4.1 MA模型的定义
4.2 MA模型的性质
4.3 MA模型的应用实例
4.4 小结
5 自回归滑动平均模型——ARMA模型
5.1 ARMA模型介绍
5.2 ARMA模型的性质
5.3 ARMA模型的图像定阶
5.4 ARMA模型的应用实例
5.5 小结
6 非平稳序列的随机分析——ARIMA模型
6.1 ARIMA模型的定义
6.2 ARIMA模型的MATLAB实现
6.3 ARIMA模型的应用实例
6.4 小结
7 建模及预测
7.1 平稳性检验方法
7.2 AIC准则定阶
7.3 模型的检验
7.4 ADF检验方法的MATLAB实现
7.5 模型的预测
7.6 模型的建立及预测应用实例
7.7 小结
8 趋势及季节性时间序列建模
8.1 趋势分析
8.2 季节效应分析
8.3 模型的应用实例
8.4 小结
9 条件异方差模型
9.1 时间序列的异方差性
9.2 异方差性检验
9.3 自回归条件异方差模型
9.4 广义自回归条件异方差模型
9.5 模型的MATLAB方法
9.6 模型的应用实例
9.7 小结
10 多元时间序列分析
10.1 平稳多元序列建模
10.2 协整
10.3 模型的MATLAB方法
10.4 模型的应用实例
10.5 小结
11 航空公司乘客预测的时间序列模型
11.1 时序数据的分析
11.2 模型的估计
11.3 模型的测试
11.4 模型预测
11.5 模型的评估
11.6 小结
12 股票收益时间序列的建模与预测
12.1 时序数据的获取与预处理
12.2 时序数据分析
12.3 模型估计
12.4 模型的测试
12.5 GARCH模型的估计
12.6 模型的仿真
12.7 小结
