|
|
|
時間序列分析是在工程技術領域和金融領域都有眾多應用的理論和方法。隨著我國的科技和經濟發展，時間序列分析正變得越來越重要。本書是高等院校“應用時間序列分析”課程的教材，是“北京大學數學教學系列叢書”《應用時間序列分析》的第二版，較系統地講授了應用時間序列分析的基本理論、方法及其應用，目的是使學生對時間序列分析的內容和方法有基本的瞭解，能夠用時間序列分析的基本方法處理簡單的時間序列資料。
全書共分十章，內容主要包括：時間序列的分解、平穩序列、線性平穩序列、ARMA模型、時間序列的預報、潛週期模型、條件異方差模型、加窗譜估計和多維平穩序列介紹。每章配有適量習題和部分電腦作業。為適應中國金融領域的快速發展，本書第二版增加了條件異方差模型、單位根檢驗、t分佈白色雜訊、時間序列的採樣定理等內容，進一步提升了本書的實用性。本書可作為理工類高年級本科生課程或其他學科類研究生課程的教材或教學參考書，也可以作為相關應用工作者的參考書。學習本書的先修課程是高等數學和概率統計。
何書元
博士，現任首都師範大學特聘教授，1984年至2021年歷任北京大學數學科學學院講師、副教授、教授。曾任中國概率統計學會第十屆理事會理事長，教育部數學與統計學教學指導委員會副主任委員、統計學教學指導分委員會主任委員。從事概率論與數理統計的教學和科研工作。
第一章 時間序列
1.1 時間序列的分解
1.2 平穩序列
1.3 線性平穩序列和線性濾波
1.4 正態時間序列和隨機變數的收斂性
1.5 嚴平穩序列及其遍歷性
1.6 Hilbert 空間中的平穩序列
1.7 平穩序列的譜函數
1.8 離散譜序列及其週期性
第二章 自回歸模型
2.1 推移運算元和常係數差分方程
2.2 自回歸模型
2.3 AR 序列的譜密度和Yule-Walker 方程
2.4 平穩序列的偏相關係數和Levinson 遞推公式
2.5 AR 序列舉例
第三章 滑動平均與自回歸滑動平均模型
3.1 滑動平均模型
3.2 自回歸滑動平均模型
3.3 廣義ARMA 模型和ARIMA 模型
第四章 數學期望和自協方差函數的估計
4.1 數學期望的估計
4.2 自協方差函數的估計
4.3 白色雜訊檢驗
4.4 單位根檢驗
第五章 時間序列的預測
5.1 很好線性預測的性質
5.2 平穩序列的Wold 表示
5.3 時間序列的遞推預測
5.4 ARMA 序列的遞推預測
第六章 ARMA 模型的參數估計
6.1 AR 模型的參數估計
6.2 MA 模型的參數估計
6.3 ARMA 模型的參數估計
6.4 求和ARIMA 模型的參數估計
6.5 季節ARMA 模型的參數估計
第七章 潛週期模型及參數估計
7.1 潛週期模型
7.2 參數估計
第八章 條件異方差模型
8.1 資產收益率
8.2 ARCH 模型
8.3 ARCH 模型的平穩解
8.4 ARCH 模型的參數估計
8.5 GARCH 模型
第九章 時間序列的譜估計
9.1 隨機積分
9.2 平穩序列的譜表示
9.3 平穩序列的週期圖
9.4 加窗譜估計
9.5 加窗譜估計的比較
第十章 多維時間序列
10.1 多維平穩序列
10.2 數學期望和自協方差函數的估計
10.3 多維AR 序列
10.4 多維平穩序列的譜分析
附錄1 部分定理的證明
附錄2 時間序列資料
部分習題參考答案和提示
名詞索引
參考文獻
