ARMA相关模型及其应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10页 |
| ·时间序列分析方法 | 第10-13页 |
| ·描述性时序分析 | 第10-11页 |
| ·统计时序分析 | 第11-13页 |
| ·时间序列分析方法的研究状况 | 第13-15页 |
| ·时间序列分析的发展前景 | 第15页 |
| ·选题的意义 | 第15-16页 |
| 第2章 ARMA 相关模型 | 第16-30页 |
| ·平稳时间序列的定义 | 第16页 |
| ·平稳时间序列的性质 | 第16-18页 |
| ·自协方差函数 | 第16-17页 |
| ·自相关函数 | 第17-18页 |
| ·ARMA 模型及特征 | 第18-21页 |
| ·AR 模型 | 第18-19页 |
| ·MA 模型 | 第19-20页 |
| ·ARMA 模型 | 第20-21页 |
| ·ARMA 模型的传递形式与逆转形式 | 第21-22页 |
| ·ARMA(p,q)模型的传递形式 | 第21页 |
| ·ARMA(p,q)模型的逆转形式 | 第21-22页 |
| ·模型识别 | 第22-27页 |
| ·偏自相关函数 | 第22-23页 |
| ·AR 模型的识别 | 第23-25页 |
| ·MA 模型的识别 | 第25-27页 |
| ·ARMA 模型的识别 | 第27页 |
| ·非平稳序列的平稳化模型 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 ARMA 模型的参数估计与模型检验 | 第30-42页 |
| ·ARMA 模型的矩估计 | 第30-31页 |
| ·ARMA 模型的极大似然估计 | 第31-32页 |
| ·ARMA 模型的最小二乘估计 | 第32-40页 |
| ·最小二乘估计 | 第32-35页 |
| ·AR 模型的递推最小二乘法 | 第35-36页 |
| ·ARMA 模型的递推增广最小二乘法 | 第36-37页 |
| ·ARMA 模型的两段RLS-RELS 算法 | 第37-40页 |
| ·模型检验 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 预测分析 | 第42-50页 |
| ·时间序列的预测原理 | 第42-44页 |
| ·线性预测函数 | 第42-43页 |
| ·预测方差最小原则 | 第43-44页 |
| ·ARMA 预测模型 | 第44-45页 |
| ·基于ARMA 模型进行预测 | 第45-49页 |
| ·预测流程 | 第45页 |
| ·实例分析 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 混合自回归滑动平均模型的参数估计 | 第50-60页 |
| ·Bayes 公式 | 第50-51页 |
| ·EM 算法 | 第51-53页 |
| ·混合自回归滑动平均模型 | 第53-54页 |
| ·混合自回归滑动平均模型的参数估计 | 第54-58页 |
| ·仿真分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |
