| 第1章 绪论 | 第1-14页 |
| 1．1 选题的目的、意义及理论依据 | 第7页 |
| 1．2 时间序列简介 | 第7-10页 |
| 1．2．1 内涵及其特征 | 第7-10页 |
| 1．2．2 时间序列及其分析方法分类 | 第10页 |
| 1．3 研究现状 | 第10-11页 |
| 1．4 本论文欲解决的问题 | 第11-12页 |
| 1．5 本论文研究的目标内容和方法 | 第12-14页 |
| 第2章 时间序列基本理论概述 | 第14-24页 |
| 2．1 单变量时间序列序列分析的基本概念 | 第14-16页 |
| 2．1．1 平稳序列 | 第14页 |
| 2．1．2 白噪声 | 第14页 |
| 2．1．3 滞后算子和差分算子 | 第14-15页 |
| 2．1．4 自相关 | 第15-16页 |
| 2．1．5 偏相关函数[PACF] | 第16页 |
| 2．2 时间序列的几种基本模型 | 第16-19页 |
| 2．2．1 模型1——自回归(AR)模型 | 第17页 |
| 2．2．2 模型2——滑动平均(MA)模型 | 第17页 |
| 2．2．3 模型3——自回归滑动平均(ARMA)模型 | 第17-19页 |
| 2．3 时间序列的趋势模型 | 第19-21页 |
| 2．3．1 确定性趋势模型[DT模型] | 第19-20页 |
| 2．3．2 随机趋势模型[ST模型]研究 | 第20-21页 |
| 2．4 异常观测值 | 第21-24页 |
| 2．4．1 可加的异常观测值(Additive Outlier，AO) | 第21-22页 |
| 2．4．2 新生的异常观测值(innovation outlier，IO) | 第22页 |
| 2．4．3 永久的水平迁移(permanent level shift，PLS) | 第22-23页 |
| 2．4．4 趋势改变(changing trend，CT) | 第23-24页 |
| 第3章 时间序列数据的处理研究 | 第24-29页 |
| 3．1 数据处理的主要方法研究 | 第24-26页 |
| 3．1．1 空缺值处理方法 | 第24-25页 |
| 3．1．2 异常值处理方法 | 第25-26页 |
| 3．2 数据的变换方式研究 | 第26-29页 |
| 第4章 时间序列建模及异常观测值分析研究 | 第29-41页 |
| 4．1 时间序列数据基本模型的建立过程研究 | 第29-32页 |
| 4．1．1 模型的识别 | 第29-30页 |
| 4．1．2 模型的估计与诊断 | 第30-32页 |
| 4．1．3 模型的选择 | 第32页 |
| 4．2 时间序列的趋势研究 | 第32-38页 |
| 4．2．1 单位根检验 | 第33-36页 |
| 4．2．2 确定性成分 | 第36页 |
| 4．2．3 平稳性检验 | 第36-38页 |
| 4．3 时间序列的异常观测值研究 | 第38-41页 |
| 4．3．1 异常观测值识别 | 第38-40页 |
| 4．3．2 异常观测值的直接检验 | 第40-41页 |
| 第5章 时间序列分析实例 | 第41-60页 |
| 5．1 数据的特性观察和处理 | 第43-45页 |
| 5．2 数据的趋势建模分析 | 第45-54页 |
| 5．2．1 时间序列的模型识别 | 第45-52页 |
| 5．2．2 模型的选择及其预测 | 第52-54页 |
| 5．3 模型的预测 | 第54-55页 |
| 5．4 模型的修正 | 第55-56页 |
| 5．5 异常观测值建模 | 第56-58页 |
| 5．6 总结与模型的评价 | 第58-60页 |
| 第6章 结束语 | 第60-61页 |
| 6．1 研究工作总结 | 第60页 |
| 6．2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 读研期间学术成果 | 第65页 |
