基于数据挖掘的时间序列预测的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·本文结构安排 | 第13-14页 |
| 第2章 时间序列预测模型 | 第14-28页 |
| ·预备知识 | 第14-17页 |
| ·时间序列的定义 | 第14页 |
| ·特征统计量 | 第14-15页 |
| ·平稳性与纯随机性 | 第15-17页 |
| ·ARMA 模型 | 第17-21页 |
| ·AR 模型 | 第18-19页 |
| ·MA 模型 | 第19-20页 |
| ·ARMA 模型 | 第20-21页 |
| ·ARIMA 模型 | 第21-24页 |
| ·平稳性 | 第22-23页 |
| ·方差齐性 | 第23-24页 |
| ·ARCH 族模型 | 第24-28页 |
| ·ARCH 模型 | 第24-25页 |
| ·GARCH 模型 | 第25页 |
| ·GARCH 模型的变体 | 第25-27页 |
| ·AR-GARCH 模型 | 第27-28页 |
| 第3章 基于微分方程的时间序列预测 | 第28-36页 |
| ·原始序列分解 | 第28-29页 |
| ·微分方程模型建立 | 第29-30页 |
| ·马尔可夫链建模 | 第30-32页 |
| ·定义及性质 | 第30-31页 |
| ·建模 | 第31-32页 |
| ·算法结构 | 第32-36页 |
| ·微分方程数值解 | 第33-34页 |
| ·马氏链构造 | 第34-36页 |
| 第4章 数值实验 | 第36-48页 |
| ·金融序列预测 | 第36-43页 |
| ·序列基本统计信息 | 第36-37页 |
| ·ARIMA 模型建模 | 第37-40页 |
| ·GARCH 模型建模 | 第40-42页 |
| ·微分方程模型建模 | 第42-43页 |
| ·科学观察序列预测 | 第43-46页 |
| ·序列性质分析 | 第43-44页 |
| ·ARMA 模型建模 | 第44-46页 |
| ·微分方程模型建模 | 第46页 |
| ·实证结果分析 | 第46-48页 |
| 第5章 总结与展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 附录 | 第52-65页 |
| 已发表论文 | 第65页 |
| 个人简介 | 第65页 |
