| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 插图索引 | 第7页 |
| 附表索引 | 第7-8页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 文献综述 | 第8-10页 |
| 1.2 本文的研究方法及结构安排 | 第10-11页 |
| 第二章 我国对外贸易的基本情况 | 第11-16页 |
| 2.1 对我国的进出口额进行分析 | 第11-12页 |
| 2.2 中国对外贸易的结构 | 第12-14页 |
| 2.3 中国对外贸易的构成 | 第14-16页 |
| 第三章 时间序列模型 | 第16-26页 |
| 3.1 时间序列的数字特征 | 第16-17页 |
| 3.1.1 均值函数 | 第16页 |
| 3.1.2 自协方差函数 | 第16页 |
| 3.1.3 自相关函数 | 第16-17页 |
| 3.2 平稳时间序列 | 第17页 |
| 3.2.1 严平稳 | 第17页 |
| 3.2.2 弱平稳 | 第17页 |
| 3.2.3 白噪声(white noise) | 第17页 |
| 3.3 平稳时间序列的基本模型 | 第17-24页 |
| 3.3.1 AR、MA、ARMA模型介绍 | 第17-20页 |
| 3.3.2 随机时间序列分析模型的参数估计 | 第20-22页 |
| 3.3.3 随机时间序列模型应用 | 第22-24页 |
| 3.4 ARIMA模型的基本理论 | 第24-26页 |
| 3.4.1 ARIMA模型 | 第24页 |
| 3.4.2 SRIMA模型 | 第24-26页 |
| 第四章 状态空间模型 | 第26-33页 |
| 4.1 状态空间模型(state space modle)描述 | 第26-27页 |
| 4.2 卡尔曼滤波的基本原理 | 第27-31页 |
| 4.2.1 卡尔曼滤波的基本概念 | 第27页 |
| 4.2.2 卡尔曼滤波方法介绍 | 第27-29页 |
| 4.2.3 卡尔曼滤波算法递推公式的证明 | 第29-31页 |
| 4.2.4 卡尔曼滤波的初始条件 | 第31页 |
| 4.3 我国出口预测误差指标 | 第31-33页 |
| 第五章 用时间序列模型和状态空间模型对我国出口预测 | 第33-46页 |
| 5.1 样本数据说明 | 第33页 |
| 5.2 利用SARIMA模型对我国出口额进行预测 | 第33-40页 |
| 5.2.1 平稳性检验 | 第34-35页 |
| 5.2.2 模型的识别 | 第35-38页 |
| 5.2.3 模型的检验 | 第38-40页 |
| 5.3 基于季节性分解的卡尔曼滤波对我国出口的预测 | 第40-46页 |
| 5.3.1 状态空间模型1 | 第40-43页 |
| 5.3.2 状态空间模型2 | 第43-46页 |
| 第六章 总结 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 附录 | 第50-53页 |
| 致谢 | 第53页 |
