正版 应用时间序列分析 基于 R 和 Pytho 吴喜之 刘苗 语言 平稳性 自相关函数 Kalma 滤波 单位根检验 GARCH 模型 多元时间 9787111791188
配送至
| 开本：3开 |
| 纸张：胶版纸 |
| 包装：平装 |
| 是否套装：否 |
| 国际标准书号ISBN：9787111791188 |
| 所属分类：图书>自然科学>数学>函数 |
可开发票，团购联系在线客服有优惠商品详情
商品名称
应用时间序列分析：基于 和
作 者 吴喜之 刘苗
市 场
号
出版日期
页 数
开 本
出 版 社
机械工业
目录
前言
第 章 引言
时间序列的特点
时间序列例子
软件入门
软件入门
简介
动手
本章 代码
习题
第 章 一元时间序列的基本概念和模型
平稳性及相关性度量
平稳性、自协方差函数和自相关函数
差分算子和后移算子
白噪声
随机游走
趋势平稳过程
联合平稳性和互相关函数
一般线性模型
目录
模型
模型
模型
模型
季节模型
本章 代码
习题
第 章 一元时间序列数据的拟合及预测 及其他模型
拟合及预测的基本目的与预测精度的度量
对序列自相关性的混成检验
模型的估计和预测
模型的似然估计
模型的矩估计方法
模型预测的基本数学原理
简单指数平滑
滤波预测方法
指数平滑模型的一些术语和符号
时间序列季节分解的 方法
方法简介
利用 做季节分解
回归用于时间序列
时间序列的交叉验证
交叉验证利用固定长度的训练集来预测固定长度的未来
交叉验证利用逐渐增加长度的训练集来预测固定长度的未来
更多的一元时间序列数据实例分析
有效联邦基金利率例子 例
澳洲 自 年以来月海平面气压指数例子
中国 个机场旅客人数例子
例 中 降水序列例子
本章 代码
应用时间序列分析基于 和
例 中澳大利亚牛奶产量数据
例 中尼罗河年流量数据
例 中夏威夷 火山大气二氧化碳浓度数据
例 中乘机旅客数据
例 中中国经济数据
例 中 和 经济数据
例 中就业人口比例数据
习题
第 章 状态空间模型和 滤波
动机
结构时间序列模型
局部水平模型
局部线性趋势模型
季节效应
一般状态空间模型
使用 程序包解状态空间模型的要点
系数随时间变化的回归
结构时间序列的一般状态空间模型表示
模型的状态空间模型形式
滤波
第 章 单位根检验
单整和单位根
单位根检验
检验、 检验以及 检验
检验
本章 代码
随机数据
例 中货币流通速度数据
例 中尼罗河年流量数据
目录
第 章 长期记忆过程 模型
长期记忆序列
介于 和 之间的长期记忆序列
模型
参数 的估计
参数 的估计平稳序列情况
参数 的估计非平稳 情况
模型拟合尼罗河年流量数据
第 章 模型
时间序列的波动
模型的描述
模型
模型
数据的拟合
例 中美国工业生产增长指数数据的拟合
例 中数据的拟合
模型的延伸
一组 模型
模型族
模型族拟合例 中的数据
本章 代码
例 中美元对欧元汇率数据
例 中美国工业生产增长指数序列数据
第 章 多元时间序列的基本概念及数据分析
平稳性
交叉协方差矩阵和相关矩阵
一般线性模型
模型
协整模型和 因果检验
应用时间序列分析基于 和
和协整
协整检验
协整检验
方法
因果检验
多元时间序列案例分析
加拿大宏观经济数据
例 中加拿大宏观经济数据的协整检验和 因果检验
用 模型拟合例 中加拿大宏观经济数据并做预测
用 模型拟合例 中加拿大宏观经济数据并做预测
用状态空间 模型拟合例 中的数据
本章 代码
例 中燃气炉数据
例 中美国经济数据
例 中燃气炉数据 续
例 中加拿大宏观经济数据
习题
第 章 非线性时间序列
非线性时间序列例子
线性 模型
自门限自回归模型
一个门限参数的模型
两个门限参数的模型
检验
平滑过渡自回归模型
可加 模型
模型的比较
门限协整
向量误差修正模型
向量误差修正模型的估计
目录
关于向量误差修正模型的 检验
第 章 深度学习方法在时间序列中的应用
神经网络概述
神经网络
信息的前向传播过程
误差的反向传播机制
案例实现
卷积神经网络
简介
的模型结构
卷积层工作原理
池化层工作原理
全连接层
的反向传播
循环神经网络和长短期记忆模型
模型介绍
模型介绍
、 案例
注意力机制
流程
案例
小结
第 章 谱分析简介
周期性时间序列
谱密度
谱分布函数
自相关母函数和谱密度
应用时间序列分析基于 和
时不变线性滤波器
谱估计
通过样本自协方差函数估计谱密度
通过周期图估计谱密度
非参数谱密度估计
参数谱密度估计
附录 使用 软件练习
附录 使用 软件练习
本书通过案例讲述有关的概念和方法，不仅介绍了 模型、状态空间模型、 滤波、单位根检验和 模型等一元时间序列方法，还介绍了很多多元时间序列方法，如线性协整、门限协整、 模型、 因果检验、神经网络模型、可加 模型和谱估计等，并且增加了全新的一章讲述如何用深度学习进行时间序列分析 书中强调对真实的时间序列数据进行分析，全程使用 和软件分析了各个科学领域的实际数据，还分析了金融和经济数据的例子本书通俗易懂，理论与应用并重，可作为高等院校统计学和经济管理等专业“时间序列分析”相关课程的，对金融和互联网等领域的相关从业者也参考
商品名称
应用时间序列分析：基于 和
作 者 吴喜之 刘苗
市 场
号
出版日期
页 数
开 本
出 版 社
机械工业
目录
前言
第 章 引言
时间序列的特点
时间序列例子
软件入门
软件入门
简介
动手
本章 代码
习题
第 章 一元时间序列的基本概念和模型
平稳性及相关性度量
平稳性、自协方差函数和自相关函数
差分算子和后移算子
白噪声
随机游走
趋势平稳过程
联合平稳性和互相关函数
一般线性模型
目录
模型
模型
模型
模型
季节模型
本章 代码
习题
第 章 一元时间序列数据的拟合及预测 及其他模型
拟合及预测的基本目的与预测精度的度量
对序列自相关性的混成检验
模型的估计和预测
模型的似然估计
模型的矩估计方法
模型预测的基本数学原理
简单指数平滑
滤波预测方法
指数平滑模型的一些术语和符号
时间序列季节分解的 方法
方法简介
利用 做季节分解
回归用于时间序列
时间序列的交叉验证
交叉验证利用固定长度的训练集来预测固定长度的未来
交叉验证利用逐渐增加长度的训练集来预测固定长度的未来
更多的一元时间序列数据实例分析
有效联邦基金利率例子 例
澳洲 自 年以来月海平面气压指数例子
中国 个机场旅客人数例子
例 中 降水序列例子
本章 代码
应用时间序列分析基于 和
例 中澳大利亚牛奶产量数据
例 中尼罗河年流量数据
例 中夏威夷 火山大气二氧化碳浓度数据
例 中乘机旅客数据
例 中中国经济数据
例 中 和 经济数据
例 中就业人口比例数据
习题
第 章 状态空间模型和 滤波
动机
结构时间序列模型
局部水平模型
局部线性趋势模型
季节效应
一般状态空间模型
使用 程序包解状态空间模型的要点
系数随时间变化的回归
结构时间序列的一般状态空间模型表示
模型的状态空间模型形式
滤波
第 章 单位根检验
单整和单位根
单位根检验
检验、 检验以及 检验
检验
本章 代码
随机数据
例 中货币流通速度数据
例 中尼罗河年流量数据
目录
第 章 长期记忆过程 模型
长期记忆序列
介于 和 之间的长期记忆序列
模型
参数 的估计
参数 的估计平稳序列情况
参数 的估计非平稳 情况
模型拟合尼罗河年流量数据
第 章 模型
时间序列的波动
模型的描述
模型
模型
数据的拟合
例 中美国工业生产增长指数数据的拟合
例 中数据的拟合
模型的延伸
一组 模型
模型族
模型族拟合例 中的数据
本章 代码
例 中美元对欧元汇率数据
例 中美国工业生产增长指数序列数据
第 章 多元时间序列的基本概念及数据分析
平稳性
交叉协方差矩阵和相关矩阵
一般线性模型
模型
协整模型和 因果检验
应用时间序列分析基于 和
和协整
协整检验
协整检验
方法
因果检验
多元时间序列案例分析
加拿大宏观经济数据
例 中加拿大宏观经济数据的协整检验和 因果检验
用 模型拟合例 中加拿大宏观经济数据并做预测
用 模型拟合例 中加拿大宏观经济数据并做预测
用状态空间 模型拟合例 中的数据
本章 代码
例 中燃气炉数据
例 中美国经济数据
例 中燃气炉数据 续
例 中加拿大宏观经济数据
习题
第 章 非线性时间序列
非线性时间序列例子
线性 模型
自门限自回归模型
一个门限参数的模型
两个门限参数的模型
检验
平滑过渡自回归模型
可加 模型
模型的比较
门限协整
向量误差修正模型
向量误差修正模型的估计
目录
关于向量误差修正模型的 检验
第 章 深度学习方法在时间序列中的应用
神经网络概述
神经网络
信息的前向传播过程
误差的反向传播机制
案例实现
卷积神经网络
简介
的模型结构
卷积层工作原理
池化层工作原理
全连接层
的反向传播
循环神经网络和长短期记忆模型
模型介绍
模型介绍
、 案例
注意力机制
流程
案例
小结
第 章 谱分析简介
周期性时间序列
谱密度
谱分布函数
自相关母函数和谱密度
应用时间序列分析基于 和
时不变线性滤波器
谱估计
通过样本自协方差函数估计谱密度
通过周期图估计谱密度
非参数谱密度估计
参数谱密度估计
附录 使用 软件练习
附录 使用 软件练习
本书通过案例讲述有关的概念和方法，不仅介绍了 模型、状态空间模型、 滤波、单位根检验和 模型等一元时间序列方法，还介绍了很多多元时间序列方法，如线性协整、门限协整、 模型、 因果检验、神经网络模型、可加 模型和谱估计等，并且增加了全新的一章讲述如何用深度学习进行时间序列分析 书中强调对真实的时间序列数据进行分析，全程使用 和软件分析了各个科学领域的实际数据，还分析了金融和经济数据的例子本书通俗易懂，理论与应用并重，可作为高等院校统计学和经济管理等专业“时间序列分析”相关课程的，对金融和互联网等领域的相关从业者也参考