新書推薦：
《
风起红楼：百年讹缘探秘
》
售價：HK$
1034
《
跑外卖：一个女骑手的世界
》
售價：HK$
319
《
封关运作背景下的海南自由贸易港（建设中国特色自由贸易港丛书）
》
售價：HK$
398
《
滞后情书
》
售價：HK$
218
《
日本新中产阶级：东京近郊的工薪职员及他们的家庭（看日本系列）
》
售價：HK$
449
《
图说航天科学与技术
》
售價：HK$
500
《
北派2：西夏梵音（网络原名《北派盗墓笔记》）
》
售價：HK$
245
《
当代中国经济讲义
》
售價：HK$
704
|
| 內容簡介： |
|
本书以经济、管理、气象、医学、工业生产、金融等活动中产生的时间序列数据为对象，运用数学和统计学方法，进行时间序列的时域和频域分析。本书将理论分析与数据案例相结合，从传统经典时间序列模型到现代机器学习、深度学习、强化学习与时间序列数据融合，按由浅入深的方式编写而成。本书有配套PPT课件、教学大纲、案例数据、R代码等教学资源，智慧树平台有教学视频和练习题，提供多源、丰富的辅助学习工具。本书可以作为统计学、数据科学等相关专业本科生、硕士生学习相关课程的教材，也可以作为企业、政府等相关人员学习预测和决策方面知识的参考书。
|
| 關於作者： |
|
丁咏梅，女，博士，副教授。中国系统工程学会会员。教学上，曾承担研究生课程”高级计量经济学”、”时间序列分析”和本科生的”计量经济学”，”概率统计”等课程的教学，发表部分教研论文。主持学位与研究生教育项目1项， 武汉科技大学教研项目多项，曾获武汉科技大学”三育人先进个人”，多次获得”教学优秀奖”。 科研上，主持并参与项目10余项。其中，主持湖北省重点实验室项目4项，武汉科技大学青年基金1项，武汉科技大学博士科研基金1项，参与国家自然科学基金2项。发表论文四十余篇，其中，SCI收录五篇，EI收录二十篇。
|
| 目錄：
|
第1章 时间序列分析概述1
1.1 随处可见的时间序列1
1.2 时间序列的定义4
1.3 时间序列分析的发展历程6
1.3.1 描述性时间序列分析6
1.3.2 统计时间序列分析7
1.4 时间序列分析的基本流程与课程导论10
1.4.1 时间序列分析的系统化流程10
1.4.2 前置要求11
1.4.3 主要参考书目11
1.5 R语言11
1.5.1 R程序包的安装12
1.5.2 调用R程序包13
1.5.3 查看函数的帮助文件13
1.5.4 R的函数14
1.5.5 赋值、注释和对象命名14
1.5.6 元素与对象的类15
1.5.7 R的运算符16
1.5.8 R的数据读取和存储18
1.5.9 向量、矩阵和数据框的创建20
1.5.10 R对象类的判断与转换21
1.5.11 R中元素的引用与访问23
1.5.12 条件筛选与排序26
1.5.13 R的工作路径28
1.5.14 R绘图30
1.5.15 R函数编写32
1.5.16 R脚本编程35
习题37
第2章 时间序列分析的基础38
2.1 随机过程38
2.1.1 随机过程的定义38
2.1.2 随机过程的矩统计量38
2.1.3 随机过程的平稳性39
2.2 概率分布与特征统计量41
2.3 样本的特征统计量42
2.3.1 样本均值42
2.3.2 样本自协方差函数43
2.3.3 样本自相关系数44
2.3.4 样本偏自相关系数45
2.4 时间序列的平稳性的概念45
2.4.1 严平稳46
2.4.2 宽平稳46
2.4.3 平稳时间序列的统计性质46
2.4.4 平稳性的意义47
2.5 平稳性检验47
2.5.1 图检法47
2.5.2 ADF检验53
2.5.3 PP检验56
2.5.4 KPSS检验58
2.6 白噪声59
2.6.1 定义59
2.6.2 纯随机序列的性质60
2.6.3 纯随机性检验61
2.7 时间序列过程的自回归和移动平均65
2.8 线性差分方程66
2.8.1 差分的定义66
2.8.2 延迟算子67
2.8.3 差分方程及其求解68
2.8.4 时间序列模型与线性差分方程的关系69
习题72
第3章 平稳时间序列分析74
3.1 AR模型74
3.1.1 AR模型的定义74
3.1.2 AR模型的平稳性74
3.1.3 平稳AR模型的统计性质80
3.2 MA模型90
3.2.1 MA模型的定义90
3.2.2 MA模型的统计性质90
3.2.3 MA模型的可逆性93
3.2.4 MA(q)模型的偏自相关系数94
3.3 ARMA模型97
3.3.1 ARMA(p， q)模型的平稳性与可逆性98
3.3.2 可逆性与AR(∞)模型98
3.3.3 平稳性与MA(∞)模型100
3.3.4 ARMA模型的统计性质101
3.4 平稳时间序列建模步骤104
习题105
第4章 平稳时间序列的拟合与预测106
4.1 模型识别106
4.2 模型定阶107
4.3 参数估计109
4.3.1 矩估计110
4.3.2 最小二乘估计114
4.3.3 最大似然估计118
4.4 模型检验121
4.4.1 模型显著性检验121
4.4.2 参数显著性检验125
4.5 模型优化128
4.6 模型预测130
4.7 应用举例：荷尔蒙激素浓度序列分析142
习题150
第5章 非平稳时间序列的随机分析151
5.1 Wold和Cramer分解定理151
5.1.1 Wold分解定理151
5.1.2 Cramer分解定理152
5.2 差分及其实现152
5.2.1 差分与差分算子152
5.2.2 差分运算与平稳化方法153
5.3 ARIMA模型159
5.4 疏系数模型172
5.5 季节模型174
5.5.1 季节AR模型175
5.5.2 季节MA模型176
5.5.3 季节ARMA模型178
5.5.4 乘积季节模型179
5.6 GARCH模型190
5.6.1 异方差191
5.6.2 条件异方差模型195
5.6.3 广义自回归条件异方差模型200
5.7 案例分析：道琼斯工业平均指数210
习题215
第6章 非平稳时间序列的确定性分析216
6.1 时间序列的因素分解216
6.2 平滑法218
6.2.1 简单指数平滑218
6.2.2 Holt两参数指数平滑220
6.2.3 Holt-Winters三参数指数平滑(加法模型)220
6.2.4 Holt-Winters三参数指数平滑(乘法模型)221
6.3 移动平均法222
6.3.1 中心移动平均222
6.3.2 X11模型227
6.4 序列变换230
6.4.1 对数变换230
6.4.2 Tukey变换232
6.4.3 Box-Cox变换233
6.5 回归法234
6.5.1 残差自回归234
6.5.2 马尔可夫区制转换自回归模型237
习题249
第7章 多元时间序列分析251
7.1 ARIMAX模型251
7.2 干预模型254
7.3 虚假回归259
7.4 协整与误差修正模型260
7.4.1 单整260
7.4.2 协整261
7.4.3 误差修正模型264
7.5 Granger因果模型266
7.6 向量自回归模型271
7.6.1 VAR(p)过程271
7.6.2 VAR模型的估计272
7.6.3 VAR模型的脉冲响应和方差分解272
习题276
第8章 时间序列的频域分析和滤波278
8.1 周期性278
8.2 谱密度283
8.3 谱估计287
8.3.1 非参数谱估计287
8.3.2 参数谱估计294
8.4 线性滤波器295
习题298
第9章 时间序列的机器学习/深度学习模型299
9.1 时间序列分析中的机器学习299
9.2 特征工程与时间序列预处理301
9.2.1 时间序列特征提取302
9.2.2 时间序列降维302
9.2.3 数据预处理302
9.3 时间序列回归模型303
9.3.1 支持向量回归303
9.3.2 回归树306
9.4 时间序列分类和聚类模型309
9.4.1 分类模型309
9.4.2 聚类模型310
9.5 时间序列异常值检测模型313
9.6 时间序列降维与特征提取316
9.7 时间序列的生成对抗网络模型317
9.8 时间序列的注意力机制模型320
习题322
第10章 时间序列的强化学习模型324
10.1 强化学习的基本理论324
10.1.1 强化学习的概念与基础324
10.1.2 强化学习的主要算法325
10.2 时间序列的策略优化与控制327
10.2.1 时间序列的策略优化模型327
10.2.2 强化学习在时间序列控制中的应用328
10.3 时间序列异常检测中的强化学习329
10.3.1 DQN模型化与算法330
10.3.2 DDPG331
10.3.3 PPO332
10.4 强化学习与时间序列模型的联合优化333
10.4.1 基于强化学习的时间序列优化预测333
10.4.2 时间序列中的多智能体强化学习334
10.5 时间序列强化学习模型的评价与改进335
10.5.1 模型评价与改进方向335
10.5.2 基于强化学习的时间序列应用336
习题340
参考文献342
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
