MATLAB时间序列方法与实践

工业及金融领域针对时间序列的应用都非常广泛。本书将系统介绍时间序列的基本概念、分析方法以及典型的应用案例。全书将分三篇，第一篇介绍时间序列的定义、基本概念、分析方法概况等基本知识。 第二篇系统介绍时间序列的分析方法和分析模型，对于每个方法，都将介绍方法的原理、步骤、及详细的MATLAB实现过程。第三篇将介绍几个时间序列方法在经济、金融等领域的实际应用案例。

"江渝 上海财经大学数学学院副教授，日本北海道大学理学博士。主要研究方向为数学物理反问题，医学成像技术的数学建模与参数重构。 李幸 上海财经大学数学学院研究生，曾获中国研究生数学建模竞赛全国二等奖。主要从事数值线性代数、最优化理论与计算、数据挖掘等领域的研究。 卓金武 高级工程师，MathWorks中国教育业务总监，在MATLAB数据分析、数据挖掘、机器学习、数学建模、计算金融等科学计算领域有多年工作经验。著有三部专著：《MATLAB数学建模方法与实践（第三版）》、《量化投资：MATLAB数据挖掘技术与实践》、《大数据挖掘：系统方法与实例分析》。 "

1绪论.1
1.1时间序列的发展过程.1
1.2时间序列的基本概念.3
1.3平稳时间序列分析方法.7
1.4季节指数预测法.9
1.5时间序列主要模型介绍.11
1.6时间序列分析工具.14
1.7应用实例：基于时间序列的股票预测.15
1.8本章小结.20
参考文献.20
2时间序列基本概念.21
2.1时间序列的统计概念.21
2.2时间序列的平稳性.24
2.3时间序列的相关性.28
2.4时间序列的运算.34
2.5白噪声.37
2.6小结.40
参考文献.41
3自回归模型――AR模型.42
3.1AR模型的定义.42
3.2AR模型的平稳性.43
3.3AR模型的统计性质.45
3.4AR模型的MATLAB实现.48
3.5AR模型的应用实例.53
3.6小结.55
参考文献.56
4滑动平均模型――MA模型.57
4.1MA模型的定义.57
4.2MA模型的性质.58
4.3MA模型的应用实例.61
4.4小结.63
参考文献.63
5自回归滑动平均模型――ARMA模型.64
5.1ARMA模型.64
5.2ARMA模型的性质.65
5.3ARMA模型的图像定阶.67
5.4ARMA模型的应用实例.71
5.5小结.75
参考文献.76
6非平稳序列的随机分析――ARIMA模型.77
6.1ARIMA模型的定义.77
6.2ARIMA模型的MATLAB实现.78
6.3ARIMA模型的应用实例.83
6.4小结.90
参考文献.90
7建模及预测.92
7.1平稳性检验方法.92
7.2AIC准则定阶.97
7.3模型的检验.98
7.4ADF检验方法的MATLAB实现.99
7.5模型的预测.108
7.6模型的建立及预测应用实例.109
7.7小结.117
参考文献.117
8趋势及季节性时间序列建模.118
8.1趋势分析.118
8.2季节效应分析.122
8.3模型的应用实例.125
8.4小结.135
参考文献.135
9条件异方差模型.136
9.1时间序列的异方差性.136
9.2异方差性检验.139
9.3自回归条件异方差模型.141
9.4广义自回归条件异方差模型.143
9.5模型的MATLAB方法.144
9.6模型的应用实例.147
9.7小结.155
参考文献.156
10多元时间序列分析.157
10.1平稳多元序列建模.157
10.2协整.159
10.3模型的MATLAB方法.162
10.4模型的应用实例.165
10.5小结.170
参考文献.170
11航空公司乘客预测的时间序列模型.172
11.1时序数据的分析.172
11.2模型的估计.175
11.3模型的测试.177
11.4模型预测.181
11.5模型的评估.184
11.6小结.186
12股票收益时间序列的建模与预测.187
12.1时序数据的获取与预处理.187
12.2时序数据分析.189
12.3模型估计.193
12.4模型的测试.195
12.5GARCH模型的估计.196
12.6模型的仿真.199
12.7小结.204