时间序列分析是概率统计学科中应用性很强的一个分支，具有非常特殊的、自成体系的一套理论和分析方法，在金融、经济、气象、水文、信号处理、工程技术等众多领域得到了广泛应用。本书以时间序列的统计特征和建模步骤为主线，系统介绍时间序列的基本理论、建模和预测方法以及实践应用，目的是使读者掌握时间序列分析的基本理论、建模和预测的方法，并能分析时间序列的统计规律性，构造与之拟合的**数学模型，并进行预测。
更多科学出版社服务，请扫码获取。
目录
前言
第1章 时间序列分析概论 1
1.1 时间序列 1
1.2 时间序列分析方法简介 6
1.3 平稳时间序列 9
1.4 R软件简介 14
习题1 19
第2章 ARMA模型的统计特性 21
2.1 自回归模型 21
2.2 移动平均模型 26
2.3 自回归移动平均模型 29
2.4 格林函数与平稳解 34
2.5 逆函数与可逆解 44
2.6 ARMA模型的自相关系数 50
2.7 ARMA模型的偏相关系数 62
2.8 基于R软件的ARMA模型的模拟 67
习题2 76
第3章 平稳时间序列模型的建立 78
3.1 时间序列的数据采样、直观分析和特征分析 78
3.2 时间序列的相关分析 82
3.3 平稳时间序列的零均值处理 87
3.4 平稳时间序列的模型识别 89
3.5 平稳时间序列模型参数的矩估计 92
3.6 平稳时间序列模型的最终定阶 98
3.7 平稳时间序列模型的检验 102
3.8 平稳时间序列模型建模方法 105
3.9 基于R软件的ARMA模型的建立 113
习题3 123
第4章 平稳时间序列预测 125
4.1 正交投影预测 125
4.2 条件期望预测 128
4.3 适时修正预测 134
4.4 预测的评价指标 137
4.5 基于R软件的ARMA模型的预测 139
习题4 145
第5章 时间序列的确定性分析 147
5.1 时间序列的分解 147
5.2 趋势性分析 148
5.3 季节效应分析 157
5.4 X-11方法简介 160
5.5 时间序列的确定性分析 163
5.6 基于R软件的确定性分析 164
习题5 175
第6章 非平稳时间序列随机性分析 176
6.1 ARIMA模型 176
6.2 乘积季节模型 183
6.3 其他随机性分析模型 185
6.4 基于R软件的随机性分析 188
习题6 192
第7章 GARCH族模型 193
7.1 自回归条件异方差模型 193
7.2 广义自回归条件异方差模型 196
7.3 广义自回归条件异方差模型的扩展 200
7.4 基于R软件的GARCH族模型建模 202
习题7 207
第8章 向量自回归模型 208
8.1 VAR模型 208
8.2 VAR模型的估计与相关检验 214
8.3 格兰杰因果检验 218
8.4 基于R软件的VAR模型建模 219
习题8 223
参考文献 224
书单推荐
