§1.1平稳时间序列
1.1.1随机过程与时间序列
4.4.3Bayes建模与ABIC准则
1.1.2序列的平稳性
§1.2自协方差函数和自相关函数
§1.3时间序列的时域模型
1.3.1线性差分方程及随机线性差分方程
1.3.2白噪声序列
1.3.3自回归模型
1.3.4滑动平均模型
1.3.5自回归滑动平均模型ARMA模型的等价形式
1.3.6ARMA序列的偏相关函数
§1.4时间序列的频域表示
1.4.1谱分析的基本概念
1.4.2平稳过程的功率谱和自相关函数的关系
1.4.3平稳序列的功率谱和自相关函数的关系
1.4.4基本线性模型的功率谱
1.4.5平稳随机过程及平稳序列的谱表示
习题1
第二章 时间序列的建模型和预测
§2.1数据的检验及预处理
2.1.1均值、方差的计算及特异值的处理
2.1.2概率直方图和正态性检验
2.1.3平稳性检验与数据序列的平稳化
§2.2自协方差和自相关函数的估计
2.2.1样本均值和自相关函数的估计
2.2.2根据样本自相关函数对模型的初步分析
2.2.3样本偏相关函数的估计及AR模型的识别
§2.3ARMA模型的参数估计
2.3.1模型参数的矩估计
2.3.2模型参数的极大似然估计
2.3.3模型参数的最小二乘估计
§2.4模型阶数的判定与建模
2.4.1模型阶数的判定
2.4.2时间序列的建模方法
§2.5平稳时间序列的预报
2.5.1平稳线性最小方差预报
2.5.2平稳线性最小方差预报的性质
2.5.3平稳线性最小方差预报的方法
2.5.4平稳时间序列的新息预报
2.5.5经济时间序列平稳预报实例
习题2
第三章 在经济中应用的一些时域模型
§3.1ARIMA模型和乘积季节模型
3.1.1ARIMA模型
3.1.2乘积季节模型
§3.2组合模型
3.2.1组合模型的引入与建立
3.2.2组合模型的经济应用实例
§3.3门限自回归模型
3.3.1门限自回归模型的类型
3.3.2门限自回归模型的特性
3.3.3门限自回归模型的建立和预报
3.3.4门限自回归模型在经济中的应用实例
§3.4广义线性模型
3.4.1几种常用的广义线性模型
3.4.2广义线性模型的建立及疏系数模型
3.4.3疏系数线性混合回归模型的经济应用实例
习题3
第四章 经济时间序列的季节调整方法
§4.1季节调整方法概述
4.1.1季节调整的历史与发展
4.1.2季节调整的基本概念
§4.2季节调整的滑动平均方法和X—11程序
4.2.1X—11程序的基本原理
4.2.2对称滑动平均与高阶滑动平均
4.2.3X—11程序的滑动平均与修正处理
4.2.4X—11程序的具体实现步骤
4.2.5季节调整的检验与评价
4.2.6用X—11程序进行季节调整的实例
§4.3季节调整的ARIMA模型和X—11—ARIMA程序
4.3.1季节调整的ARIMA模型
4.3.2X—11—ARIMA程序的原理及实现
4.3.3X—11—ARIMA程序应用实例
§4.4季节调整的Bayes方法
4.4.1Bayes方法的引入
4.4.2带有随机线性约束的回归模型
4.4.4Bayes建模的有关调整
4.4.5BAYSEA程序的应用
§4.5经济序列分解的状态空间方法
4.5.1经济时间序列的状态空间描述
4.5.2Kalman滤波及平滑、预测
4.5.3状态空间模型超参数的估计
4.5.4DECOMP程序的实现步骤
4.5.5应用实例
习题4
第五章 隐周期的判别与估计
§5.1隐周期的判别与检验
5.1.1周期图分析
5.1.2周期图的样本统计特性
5.1.3周期图的峰值检验与应用实例
§5.2功率谱的周期图估计与窗谱估计
5.2.1功率谱的周期图估计
5.2.2功率谱的加窗估计方法
5.2.3经济序列谱分析实例
§5.3极大熵谱估计
5.3.1熵、谱熵和极大熵准则
5.3.2极大熵谱估计的Y—W算法和Burg算法
5.3.3极大熵谱估计的应用实例
习题5
第六章 多元时间序列
§6.1多元平稳时间序列及模型
6.1.1多元时间序列的相关结构及平稳性
6.1.2多元平稳时间序列的时域模型
§6.2多元AR模型的建立与预测
6.2.1多元AR模型的参数估计
6.2.2多元AR模型的预报误差及定阶
6.2.3多元AR模型的建模步骤和应用实例
§6.3二元平稳序列的频谱特性及谱分析
6.3.1二元序列的相关特性与频谱特性
6.3.2二元序列的谱分析
6.3.3简单二元序列的举例及互谱的估计
6.3.4应用实例
习题6
附表1X2分布表
附表2F分布表
附表3游程检验用r分布表
附表4调和分析中显著性检验Fisher检验表
参考资料