《时间序列模型及预测》介绍时间序列分析的主要理论和方法，既涵盖时间序列分析的经典理论内容，又反映21世纪以来时间序列分析理论的一些新进展。《时间序列模型及预测》主要包括经典的时间序列分析理论及相关内容、基于计算智能的时间序列模型及预测、模糊时间序列模型及相关理论三大部分。《时间序列模型及预测》在借鉴国内外相关教材优点的基础上，总结作者多年从事时间序列分析方向研究和课程教学的心得和体会；既重视概念、理论和方法的严密性、准确性和前瞻性，同时又注重从实际需要出发，兼顾对运用这些理论方法分析研究乃至最终解决实际经济、金融、管理类问题的能力。

目录
第1章时间序列分析概述 1
1.1 关于时间序列分析 1
1.1.1 引例 1
1.1.2 时间序列分析及预测的产生与发展 7
1.2 时间序列分析的基本步骤 9
1.2.1 特征分析 9
1.2.2 模型识别 10
1.2.3 模型参数估计 11
1.2.4 模型检验 11
1.2.5 模型应用 12
1.3 时间序列分析软件 12
本章小结 13
思考题 14
第2章时间序列分析的基本概论 15
2.1 随机过程 15
2.1.1 随机过程的相关概念 15
2.1.2 随机过程的分布及其特征 16
2.1.3 几种重要的随机过程 18
2.2 平稳随机过程 18
2.3 时间序列的平稳性与非平稳性 20
2.4 时间序列数据的预处理 21
2.4.1 平稳性检验 21
2.4.2 正态性检验 24
2.4.3 独立性检验 26
2.4.4 异常点的检验与处理 27
本章小结 27
思考题 28
第3章时间序列模型及预测方法 29
3.1 几种典型的时间序列模型 29
3.1.1 向量自回归模型 29
3.1.2 滑动平均模型 32
3.1.3 向量自回归滑动平均模型 33
3.1.4 向量误差修正模型 35
3.1.5 自回归条件异方差模型 37
3.2 最小均方误差预测 39
3.3 区间预测 41
3.4 基于计算智能技术的时间序列模型及预测方法 42
3.4.1 人工神经网络模型及预测方法 43
3.4.2 贝叶斯网络模型及预测方法 46
3.4.3 支持向量机预测方法 47
3.5 平稳时间序列模型的建立 48
3.5.1 模型识别与定阶 48
3.5.2 模型参数估计 54
本章小结 58
思考题 59
第4章模糊时间序列模型及预测方法 61
4.1 引言 61
4.2 模糊集合的基础知识 62
4.2.1 模糊集合的概念 62
4.2.2 模糊集合的运算 66
4.2.3 水平截集及分解定理 68
4.3 模糊时间序列预测模型 72
4.3.1 模糊时间序列模型简介 72
4.3.2 模糊时间序列模型及其基本框架 74
本章小结 80
思考题 80
第5章基于信息粒度的模糊时间序列模型及预测 82
5.1 引言 82
5.2 基于信息粒度和模糊聚类的论域划分方法 82
5.2.1 方法的理论知识 82
5.2.2 本节提出的论域划分方法 85
5.3 基于信息粒度的模糊时间序列模型 87
5.4 仿真实验与分析 89
5.4.1 Alabama大学入学人数预测 89
5.4.2 DAX股票月值指数预测 94
本章小结 97
思考题 97
第6章包含时域信息的模糊时间序列模型及预测 99
6.1 引言 99
6.2 包含时间变量信息的论域划分方法 100
6.2.1 方法的理论知识 100
6.2.2 本节提出的论域划分方法 102
6.3 包含时间信息的模糊时间序列模型 105
6.4 实验结果与分析 106
6.4.1 Alabama大学入学人数预测 106
6.4.2 TAIEX 预测 112
本章小结 116
思考题 116
第7章基于Granger相关性的时间序列模型及预测 118
7.1 引言 118
7.2 基础知识 119
7.2.1 Granger相关性及假设检验 119
7.2.2 利用神经网络识别函数关系 121
7.3 基于Granger相关性的时间序列模型 121
7.4 实验结果与分析 123
7.4.1 人工合成数据预测 124
7.4.2 真实数据预测 128
本章小结 132
思考题 132
参考文献 134
附录A 标准正态分布表 139
附录B t分布的分位点 141
附录C F分布上侧a分位数表 143
附录D x2分布表 149
附录E 协整检验临界值表 151
时间序列模型及预测下载 mobi epub pdf txt 电子书格式