时间序列分析

1.线性时间序列模型；2.自回归模型；3.移动平均模型；4.自回归滑动平均模型；5.单位根非平稳时间序列。

时间序列分析

• 1.线性时间序列模型
  • 平稳性
  • 相关系数和自相关函数
  • 线性时间序列
• 2.自回归模型
  • 滞后算子
  • AR模型的性质与自相关函数
  • 偏自相关函数
  • 信息准则
  • AR模型参数估计方法
  • AR模型检验
  • AR模型拟合优度指标
  • 用估计的AR模型进行预测
• 3.移动平均模型
  • 移动平均模型的概念与性质
  • 移动平均模型定阶
  • 移动平均模型的估计
  • 移动平均模型的预测
• 4.自回归滑动平均模型
  • ARMA的概念与性质
  • 一般ARMA模型
  • ARMA模型辨识
  • ARMA模型预测
  • ARMA模型的三种表示
• 5.单位根非平稳时间序列
  • 随机游动
  • 带漂移的随机游动
  • 固定趋势模型
  • ARIMA模型
  • 单位根检验
• 6.指数平滑
  • 简单指数平滑
• 7.季节模型
  • 季节差分
  • 乘性季节模型
  • 季节哑变量
• 8.长记忆模型
  • 长记忆模型性质
    • MA表示
    • AR表示
    • ACF衰减速率
    • PACF
    • 谱密度性质
• 9.波动率模型
  • 波动率的特征
  • 波动率模型的结构
  • 波动率模型的建立
  • ARCH效应的检验
  • 随机波动率模型与长记忆随机波动率模型
• 10.GARCH模型
  • 模型方程与性质
  • 预测
  • 模型估计
  • 两步估计法
  • 改进的GARCH模型
    • EGARCH模型
    • GJR-GARCH模型
    • APARCH模型
• 11.多元时间序列
  • 弱平稳与互相关矩阵
  • 样本互相关阵
  • 多元混成检验
• 12.向量自回归模型
  • VAR(1)模型
    • 简化形式和结构形式
    • 平稳性条件和矩
    • 边缘模型
  • 模型结构和格兰杰因果性
  • VAR(p)模型
  • 估计和定阶
  • 模型检验与简化
  • 基于VAR模型的格兰杰因果性检验
    • 两变量VAR情形
    • 两变量VMA情形
    • 单变量模型表示
    • 因果性检验
    • 多元情形下的因果性检验
  • 预测
  • 脉冲响应函数
• 13.局部水平模型
  • 局部水平模型与ARIMA模型的关系
  • 滤波、平滑和预报
  • 卡尔曼滤波
  • 一步预报误差
  • 状态的一步预报误差
  • 状态平滑
  • 扰动的平滑
  • 缺失值处理和预测
  • 初值分布参数选取
  • 模型参数估计