| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-10页 |
| ·课题研究的背景 | 第8-9页 |
| ·本文的研究内容及结构 | 第9-10页 |
| ·研究内容 | 第9页 |
| ·组织结构 | 第9-10页 |
| 2 时间序列分析理论简介 | 第10-16页 |
| ·时间序列的概念及特征 | 第10-11页 |
| ·时间序列的概念 | 第10页 |
| ·时间序列的特征 | 第10-11页 |
| ·时间序列的基本模型 | 第11-13页 |
| ·自回归模型（ AR ( p )） | 第11页 |
| ·移动平均模型（ MA( q )） | 第11-12页 |
| ·自回归移动平均模型( ARMA( p, q )) | 第12页 |
| ·ARIMA( p, d, q )模型 | 第12-13页 |
| ·ARIMA( P, D, Q )s模型 | 第13页 |
| ·SARIMA 模型（ ARIMA ( p, d, q )× ( P, D, Q)s） | 第13页 |
| ·时间序列的平稳性检验及平稳化方法 | 第13-15页 |
| ·时间序列的平稳性的检验 | 第13-14页 |
| ·平稳化的常用方法 | 第14-15页 |
| ·时间序列模型的建立 | 第15-16页 |
| ·平稳时间序列的建模流程 | 第15页 |
| ·非平稳时间序列的建模流程 | 第15-16页 |
| 3 灰色系统的 GM (1,1)模型 | 第16-20页 |
| ·GM (1,1)模型原理 | 第16-17页 |
| ·GM (1,1)模型的适用范围 | 第17页 |
| ·GM (1,1)模型的检验 | 第17-20页 |
| 4 支持向量机回归理论简介 | 第20-24页 |
| ·线性支持向量回归 | 第20-22页 |
| ·非线性支持向量回归 | 第22-24页 |
| 5 组合模型在消费者信心指数中的应用 | 第24-33页 |
| ·组合模型的思路 | 第24-25页 |
| ·组合模型的基本应用 | 第24页 |
| ·组合模型的建立 | 第24-25页 |
| ·计算权重的常用方法 | 第25页 |
| ·对消费者信心指数序列预测的应用 | 第25-33页 |
| ·建立 ARIMA 乘积季节模型 | 第26-30页 |
| ·建立支持向量回归模型 | 第30页 |
| ·建立 GM (1,1)）模型 | 第30-31页 |
| ·建立组合预测模型 | 第31-33页 |
| 结论 | 第33-34页 |
| 参考文献 | 第34-36页 |
| 攻读硕士学位期间发表学术论文情况 | 第36-37页 |
| 致谢 | 第37页 |