時間序列分析——基于Python（基于Python的數(shù)據(jù)分析叢書）
定 價：49 元
叢書名：基于Python的數(shù)據(jù)分析叢書
- 作者：王燕
- 出版時間：2024/1/1
- ISBN：9787300324784
- 出 版 社：中國人民大學(xué)出版社
- 中圖法分類：O211.61-39
- 頁碼：276
- 紙張：
- 版次：1
- 開本：16
時間序列分析是統(tǒng)計(jì)學(xué)科的一個重要分支，它主要研究隨著時間的變化，事物發(fā)生、發(fā)展的過程，尋找事物發(fā)展變化的規(guī)律并預(yù)測未來的走勢。在日常生產(chǎn)和生活中，時間序列比比皆是，所以目前時間序列分析方法廣泛應(yīng)用于經(jīng)濟(jì)、金融、天文、氣象、海洋、物理、化學(xué)、醫(yī)學(xué)、質(zhì)量控制等諸多領(lǐng)域，成為眾多行業(yè)經(jīng)常使用的統(tǒng)計(jì)方法。
本書是基于Python編寫的入門級時間序列分析教材，主要內(nèi)容包括時間序列分析簡介、時間序列的預(yù)處理、ARMA模型的性質(zhì)、平穩(wěn)序列的擬合與預(yù)測、無季節(jié)效應(yīng)的非平穩(wěn)序列分析、有季節(jié)效應(yīng)的非平穩(wěn)序列分析、多元時間序列分析。
王燕，中國人民大學(xué)統(tǒng)計(jì)學(xué)院風(fēng)險管理與精算方向教師。已開設(shè)統(tǒng)計(jì)學(xué)、高等數(shù)理統(tǒng)計(jì)、金融數(shù)學(xué)、壽險精算學(xué)、生存分析、應(yīng)用時間序列分析（本科生）、應(yīng)用時間序列分析（碩士研究生）、定性數(shù)據(jù)分析等課程。曾獲得中國人民大學(xué)“十大教學(xué)標(biāo)兵”，北京高校第四屆青年教師教學(xué)基本功比賽文史組三等獎，壽險精算學(xué)精品課程、保險精算課程改革北京市優(yōu)秀團(tuán)隊(duì)獎等。
第1 章 時間序列分析簡介
1.1 引 言
1.2 時間序列的定義
1.3 時間序列分析方法
1.3.1 描述性時序分析
1.3.2 統(tǒng)計(jì)時序分析
1.4 Python 簡介
1.4.1 Python 的特點(diǎn)
1.4.2 Python 的安裝
1.4.3 Anaconda 的安裝
1.4.4 Python 的基本語法規(guī)則
1.4.5 生成時間序列數(shù)據(jù)
1.4.6 繪制時序圖
1.4.7 時間序列數(shù)據(jù)的處理
1.4.8 時間序列數(shù)據(jù)的導(dǎo)出
1.5 習(xí) 題
第 2 章 時間序列的預(yù)處理
2.1 平穩(wěn)序列的定義
2.1.1 特征統(tǒng)計(jì)量
2.1.2 平穩(wěn)時間序列的定義
2.1.3 平穩(wěn)時間序列的統(tǒng)計(jì)性質(zhì)
2.1.4 平穩(wěn)時間序列的意義
2.2 平穩(wěn)性檢驗(yàn)
2.2.1 時序圖檢驗(yàn)
2.2.2 自相關(guān)圖檢驗(yàn)
2.3 純隨機(jī)性檢驗(yàn)
2.3.1 純隨機(jī)序列的定義
2.3.2 純隨機(jī)序列的性質(zhì)
2.3.3 純隨機(jī)性檢驗(yàn)
2.4 習(xí) 題
第 3 章 ARMA 模型的性質(zhì)
3.1 Wold 分解定理
3.2 AR 模型
3.2.1 AR 模型的定義
3.2.2 AR 模型的平穩(wěn)性判別
3.2.3 平穩(wěn) AR 模型的統(tǒng)計(jì)性質(zhì)
3.3 MA 模型
3.3.1 MA 模型的定義
3.3.2 MA 模型的統(tǒng)計(jì)性質(zhì)
3.3.3 MA 模型的可逆性
3.3.4 MA 模型的偏自相關(guān)系數(shù)
3.4 ARMA 模型
3.4.1 ARMA 模型的定義
3.4.2 ARMA 模型的平穩(wěn)性與可逆性
3.4.3 ARMA 模型的統(tǒng)計(jì)性質(zhì)
3.5 習(xí) 題
第 4 章 平穩(wěn)序列的擬合與預(yù)測
4.1 建模步驟
4.2 單位根檢驗(yàn)
4.2.1 DF 檢驗(yàn)
4.2.2 ADF 檢驗(yàn)
4.3 模型識別
4.4 參數(shù)估計(jì)
4.4.1 矩估計(jì)
4.4.2 極大似然估計(jì)
4.4.3 最小二乘估計(jì)
4.5 模型檢驗(yàn)
4.5.1 模型的顯著性檢驗(yàn)
4.5.2 參數(shù)的顯著性檢驗(yàn)
4.6 模型優(yōu)化
4.6.1 問題的提出
4.6.2 AIC 準(zhǔn)則
4.6.3 BIC 準(zhǔn)則
4.7 序列預(yù)測
4.7.1 線性預(yù)測函數(shù)
4.7.2 預(yù)測方差最小原則
4.7.3 線性最小方差預(yù)測的性質(zhì)
4.7.4 修正預(yù)測
4.8 習(xí) 題
第 5 章 無季節(jié)效應(yīng)的非平穩(wěn)序列分析
5.1 Cramer 分解定理
5.2 差分平穩(wěn)
5.2.1 差分運(yùn)算的實(shí)質(zhì)
5.2.2 差分方式的選擇
5.2.3 過差分
5.3 ARIMA 模型
5.3.1 ARIMA 模型的結(jié)構(gòu)
5.3.2 ARIMA 模型的性質(zhì)
5.3.3 ARIMA 模型建模
5.3.4 ARIMA 模型預(yù)測
5.4 疏系數(shù)模型
5.5 習(xí) 題
第 6 章 有季節(jié)效應(yīng)的非平穩(wěn)序列分析
6.1 因素分解理論
6.2 因素分解模型
6.2.1 因素分解模型的選擇
6.2.2 趨勢效應(yīng)的提取
6.2.3 季節(jié)效應(yīng)的提取
6.2.4 X11 季節(jié)調(diào)節(jié)模型
6.3 指數(shù)平滑預(yù)測模型
6.3.1 簡單指數(shù)平滑
6.3.2 Holt 兩參數(shù)指數(shù)平滑
6.3.3 Holt-Winters 三參數(shù)指數(shù)平滑
6.4 ARIMA 加法模型
6.5 ARIMA 乘法模型
6.6 習(xí) 題
第 7 章 多元時間序列分析
7.1 偽回歸
7.2 協(xié)整模型
7.2.1 單整與協(xié)整
7.2.2 協(xié)整模型
7.2.3 誤差修正模型
7.3 干預(yù)模型
7.4 Granger 因果檢驗(yàn)
7.4.1 Granger 因果關(guān)系的定義
7.4.2 Granger 因果檢驗(yàn)
7.4.3 Granger 因果檢驗(yàn)的問題
7.5 習(xí) 題
附錄
參考文獻(xiàn)
書單推薦
