江淮汽车股票指数的统计分析
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7-8页 |
| 1.1.2 研究意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 国外研究现状 | 第8-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 相关软件的介绍 | 第11页 |
| 1.4 研究内容及安排 | 第11-13页 |
| 第2章 江淮汽车股份有限公司的现状分析 | 第13-16页 |
| 2.1 中国汽车发展现状概述 | 第13-14页 |
| 2.2 江淮汽车发展综述 | 第14-15页 |
| 2.2.1 江淮汽车总体概述 | 第14页 |
| 2.2.2 江淮汽车发展现状 | 第14-15页 |
| 2.3 本章小结 | 第15-16页 |
| 第3章 时间序列ARIMA模型的实证分析 | 第16-32页 |
| 3.1 样本数据选取及研究方法 | 第16页 |
| 3.2 基本统计特征分析 | 第16-22页 |
| 3.3 时间序列ARIMA模型的建模分析 | 第22-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 时间序列ARIMA模型的统计诊断 | 第32-43页 |
| 4.1 引言 | 第32页 |
| 4.2 ARIMA模型异常点的识别 | 第32-37页 |
| 4.2.1 标准化残差 | 第32-33页 |
| 4.2.2 标准化残差诊断异常点 | 第33-37页 |
| 4.3 ARIMA模型影响点的检测 | 第37-41页 |
| 4.3.1 数据的选择 | 第37-38页 |
| 4.3.2 COOK距离诊断影响点 | 第38-41页 |
| 4.4 异常数据的原因分析 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 ARIMA模型的贝叶斯分析 | 第43-51页 |
| 5.1 引言 | 第43页 |
| 5.2 ARIMA模型的贝叶斯实证分析 | 第43-50页 |
| 5.2.1 样本数据的选择 | 第43-44页 |
| 5.2.2 建模过程分析 | 第44-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 全文的总结和展望 | 第51-53页 |
| 6.1 本文所作的工作 | 第51页 |
| 6.2 本文的创新之处 | 第51-52页 |
| 6.3 对未来研究的展望和思考 | 第52-53页 |
| 附录 | 第53-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |
