时间序列分析及应用:R语言.pdf

时间序列分析及应用:R语言.pdf
 

书籍描述

编辑推荐
《时间序列分析及应用:R语言(原书第2版)》的一大特点是采用R语言来作图和分析数据,书中的所有图表和实证结果都是用R命令得到的。作者还为《时间序列分析及应用:R语言(原书第2版)》制作了大量新增或增强的R函数,可以从TSA程序包中找到《时间序列分析及应用:R语言(原书第2版)》的另一特点是包含很多有用的附录,例如,回顾了有关期望、方差、协方差、相关系数等概念。简述了条件期望的性质以及最小均方误差预测等内容,这些附录有利于关心技术细节的读者深入了解相关内容。

作者简介
作者:(美国)克莱尔(Jonathan D.Cryer) (美国)Kung-Sik Chan 译者:潘红宇 等

Jonathan D.Cryer,美国艾奥瓦大学统计与精算学系退休教授。他是美国统计学会会士。获得过艾奥瓦大学教学奖。除本书外,他还与人合著有Statistics for Businessj DataAnalysis and Modeling(Second Edition)、Minitab}-landbook(Fifth Edition)、Electronic Companion of Statistics、Electronic Companion to Business Statistics等书,并发表了大量学术论文。
Kung-Sik Chan,美国艾奥瓦大学统计与精算学系教授。他是美国统计学会会士、数学统计学会会员,并且是国际统计学会推荐成员。他于1996年获得艾奥瓦大学系专家奖。除本书外,他还与人合著有Chaos:A Statistical Perspective一书,并发表了大量学术论文。

目录
译者序
前言
第1章 引论
1.1 时间序列举例
1.2 建模策略
1.3 历史上的时间序列图
1.4 本书概述
习题

第2章 基本概念
2.1 时间序列与随机过程
2.2 均值、方差和协方差
2.3 平稳性
2.4 小结
习题
附录A期望、方差、协方差和相关系数

第3章 趋势
3.1 确定性趋势与随机趋势
3.2 常数均值的估计
3.3 回归方法
3.4 回归估计的可靠性和有效性
3.5 回归结果的解释
3.6 残差分析
3.7 小结
习题

第4章 平稳时间序列模型
4.1 一般线性过程
4.2 滑动平均过程
4.3 自回归过程
4.4 自回归滑动平均混合模型
4.5 可逆性
4.6 小结
习题
附录B.AR(2)过程的平稳域
附录CARMA(p,q)模型的自相关函数

第5章 非平稳时间序列模型
5.1 通过差分平稳化
5.2 ARIMA模型
5.3 ARIMA模型中的常数项
5.4 其他变换
5.5 小结
习题
附录D延迟算子

第6章 模型识别
6.1 样本自相关函数的性质
6.2 偏自相关函数和扩展的自相关函数
6.3 对一些模拟的时间序列数据的识别
6.4 非平稳性
6.5 其他识别方法
6.6 一些真实时间序列的识别
6.7 小结
习题

第7章 参数估计
7.1 矩估计
7.2 最小二乘估计
7.3 极大似然与无条件最小二乘
7.4 估计的性质
7.5 参数估计例证
7.6 自助法估计ARIMA模型
7.7 小结
习题

第8章 模型诊断
8.1 残差分析
8.2 过度拟合和参数冗余
8.3 小结
习题

第9章 预测
9.1 最小均方误差预测
9.2 确定性趋势
9.3 ARIMA预测
9.4 预测极限
9.5 预测的图示
9.6 ARIMA预测的更新
9.7 预测的权重与指数加权滑动平均
9.8 变换序列的预测
9.9 某些ARIMA模型预测的总结
9.1 0小结
习题
附录E条件期望
附录F最小均方误差预测
附录G截断线性过程
附录H状态空间模型

第10章 季节模型
10.1 季节ARIMA模型
10.2 乘法季节ARMA模型
10.3 非平稳季节ARIMA模型
10.4 模型识别、拟合和检验
10.5 季节模型预测
10.6 小结
习题

第11章 时间序列回归模型
11.1 干预分析
11.2 异常值
11.3 伪相关
11.4 预白化与随机回归
11.5 小结
习题

第12章 异方差时间序列模型
12.1 金融时间序列的一些共同特征
12.2 ARCH(1)模型
12.3 GARCH模型
12.4 极大似然估计
12.5 模型诊断
12.6 条件方差非负条件
12.7 G.ARCH模型的一些扩展
12.8 另一个示例:IJSD/HKD汇率
日数据
12.9 小结
习题
附录I广义混合检验公式

第13章 谱分析入门
13.1 引言
13.2 周期图
13.3 谱表示和谱分布
13.4 谱密度
13.5 ARMA过程的谱密度
13.6 样本谱密度的抽样性质
13.7 小结
习题
附录余弦与正弦序列的正交性

第14章 谱估计
14.1 平滑谱密度
14.2 偏差和方差
14.3 带宽
14.4 谱置信区间
14.5 泄露和锥削
14.6 自回归谱估计
14.7 模拟数据示例
14.8 真实数据示例
14.9 其他谱估计法
14.1 0小结
习题
附录K锥削与狄利克雷核

第15章 门限模型
15.1 用图解法探索非线性
15.2 非线性检验
15.3 多项式模型一般是爆炸性的
15.4 一阶门限自回归模型
15.5 门限模型
15.6 门限非线性的检验
15.7 TAR模型的估计
15.8 模型诊断
15.9 预测
15.1 0小结
习题
附录LTAR广义混合检验、
附录1R入门
附录Ⅱ数据集合的说明
参考文献

文摘
版权页:

时间序列分析及应用:R语言

插图:

时间序列分析及应用:R语言

通过一系列时间点上的观测来获取数据是司空见惯的活动.在商业上,我们会观测周利率、日股票闭盘价、月价格指数、年销售量等.在气象上,我们会观测每天的最高温度和最低温度、年降水与干旱指数、每小时的风速等,在农业上,我们会记录每年作物和牲畜产量、土壤侵蚀、出口销售等方面的数字.在生物科学上,我们会观测每毫秒心电活动的状况.在生态学上,我们会记录动物种群数量的变动情况.实际上,需要研究时间序列的领域是难以罗列的时间序列分析的目的一般有两个方面:一是认识产生观测序列的随机机制,即建立数据生成模型;二是基于序列的历史数据,也许还要考虑其他相关序列或因素,对序列未来的可能取值给出预测或预报。
本章将从广泛的应用领域中,介绍一些时间序列的实例。时间序列及其模型的一个独特的性质是,通常我们不能假定观测值独立取自同一总体(例如,取自均值不同的总体),时间序列分析的要点是研究具有相关性质的模型。

内容简介
《时间序列分析及应用:R语言(原书第2版)》以易于理解的方式讲述了时间序列模型及其应用,主要内容包括:趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差时间序列模型、谱分析入门、谱估计、门限模型.对所有的思想和方法,都用真实数据集和模拟数据集进行了说明。
《时间序列分析及应用:R语言(原书第2版)》可作为高等院校统计、经济、商科、工程及定量社会科学等专业学生的教材或教学参考书,同时也可供相关技术人员使用。

购买书籍

当当网购书 京东购书 卓越购书

PDF电子书下载地址

相关书籍

搜索更多