摘要 | 第1-6页 |
Abstract | 第6-11页 |
第1章 绪论 | 第11-19页 |
·引言 | 第11-12页 |
·时间序列分析的应用 | 第12-14页 |
·时间序列模型参数估计的研究状况 | 第14-15页 |
·时间序列模型的参数估计法 | 第15-17页 |
·论文结构及选题意义 | 第17-19页 |
第2章 预备知识 | 第19-33页 |
·平稳时间序列的定义 | 第19页 |
·平稳时间序列的模型 | 第19-21页 |
·AR 模型 | 第19-20页 |
·MA 模型 | 第20页 |
·ARMA 模型 | 第20-21页 |
·ARMA 模型识别 | 第21-25页 |
·自相关和偏自相关函数 | 第21-22页 |
·AR 模型的识别 | 第22-23页 |
·MA 模型的识别 | 第23-24页 |
·ARMA 模型的识别 | 第24-25页 |
·ARMA 模型参数估计方法 | 第25-30页 |
·矩估计 | 第25-27页 |
·极大似然估计 | 第27-28页 |
·最小二乘估计 | 第28-30页 |
·平稳序列建模 | 第30页 |
·非平稳序列的平稳化 | 第30-32页 |
·差分运算 | 第31页 |
·ARIMA 模型 | 第31-32页 |
·本章小结 | 第32-33页 |
第3章 ARMA 模型参数估计算法改进及在GDP 预测中的应用 | 第33-45页 |
·目标函数 | 第33-34页 |
·初值的确定 | 第34-37页 |
·参数初值β0 的确定 | 第34-37页 |
·残差εt 初值的确定 | 第37页 |
·基于阻尼最小二乘法的优化算法 | 第37-40页 |
·在GDP 预测中的应用 | 第40-43页 |
·本章小结 | 第43-45页 |
第4章 SARIMA 模型对我国社会消费品零售总额序列的拟合预测 | 第45-61页 |
·模型结构 | 第45-46页 |
·简单季节模型 | 第45-46页 |
·乘积季节模型 | 第46页 |
·模型拟合步骤 | 第46-47页 |
·基于简单季节模型的拟合及预测 | 第47-54页 |
·基于乘积季节模型的拟合及预测 | 第54-59页 |
·两种季节模型的预测结果对比 | 第59-60页 |
·本章小结 | 第60-61页 |
第5章 GARCH 模型在金融时间序列中的拟合应用 | 第61-69页 |
·模型结构 | 第61-63页 |
·ARCH(q ) 模型 | 第61-62页 |
·GARCH (p,q ) 模型 | 第62-63页 |
·AR (m ) -GARCH (p,q ) 模型 | 第63页 |
·GARCH模型拟合步骤 | 第63页 |
·AR-GARCH 模型对金融时间序列的拟合 | 第63-68页 |
·本章小结 | 第68-69页 |
结论 | 第69-70页 |
参考文献 | 第70-74页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
致谢 | 第75-76页 |
作者简介 | 第76页 |