现代时间序列分析及应用

首页 > 图书中心 > 教学用书 > 本科研究生 > 经济

现代时间序列分析及应用-周建

现代时间序列分析及应用

丛书名：匡时•新方法系列
著（译）者：周建
资源下载：
责任编辑：温涌
字       数：556千字
开       本：16 开
印       张：29.25
出版版次：1
出版年份：2026-06-15
书       号：978-7-5642-5033-1/F.5033
纸书定价：98.00元   教师会员可用500积分申请样书

在线购买样书申请收藏

本教材主要介绍时间序列分析应用模型。课程将详细介绍时间序列单方程应用模型和联立模型、时间序列季节调整、成分分解、向量自回归模型等。基于本课程有关实用模型的学习和应用，能够对现实经济问题展开具有学术价值和政策分析价值的实证分析。在教学中利用中国经济问题研究实例把传授理论知识与思想品德教育有机地结合起来，通过研读时间序列计量模型构建和思政案例，积极引导正确育人价值观，将其切实融入到学生的思想品德教育中去，教书育人，培育学生求真务实、吃苦耐劳、追求卓越等优秀品质，使学生具备从时间序列计量经济学专业视角分析研究

同系列产品more >

: 因果推断实用计量
邱嘉平
定价：86.00元
查看详情

: 报检与报关实务（第
李贺
定价：59.00元
查看详情

: 经济法（第三版）
周艳军
定价：56.00元
查看详情

: 供应链管理（第5版）
谢家平,梁玲,宋明珍,王文斌
定价：59.00元
查看详情

: 国际商法（第八版）（配
张圣翠
定价：56.00元
查看详情

图书分类全部图书

本教材主要介绍时间序列分析应用模型。

课程将详细介绍时间序列单方程应用模型和联立模型、时间序列季节调整、成分分解、向量自回归模型等。

基于本课程有关实用模型的学习和应用，能够对现实经济问题展开具有学术价值和政策分析价值的实证分析。

在教学中利用中国经济问题研究实例把传授理论知识与思想品德教育有机地结合起来，通过研读时间序列计量模型构建和思政案例，积极引导正确育人价值观，将其切实融入到学生的思想品德教育中去，教书育人，培育学生求真务实、吃苦耐劳、追求卓越等优秀品质，使学生具备从时间序列计量经济学专业视角分析研究社会主义核心价值观，成长为心系社会并有时代担当的数量经济分析人才。

并且将思想价值引领贯穿于教学计划、课程标准、课程内容、课程考核等主要教学环节。

同时将价值导向与知识传授相融合，明确课程思政教学目标，在知识传授、能力培养中，弘扬社会主义核心价值观观，铸就家国情怀和专业细致研究的工匠精神。

目录。
第一章时间序列基础 /1。
第一节什么是时间序列? /1。
第二节时间序列的核心特征与组成因素 /3。
第三节时间序列分析的应用领域 /8。
第四节 Python语言简介与安装 /11。
第二章时间序列的预处理及Python架构实现 /17。
第一节 Python环境配置与核心工具库 /17。
第二节时序数据的收集、加载与规整 /18。
第三节时序数据清洗 /23。
第四节时间索引筛选与频率转换 /31。
第五节探索性数据分析与可视化 /34。
第六节平稳性检验与转换 /38。
第七节数据尺度变换 /40。
第八节特征工程与降维 /42。
本章习题 /47。
第三章平稳时间序列模型及其特征 /51。
第一节模型类型及其表示 /52。
第二节格林函数和平稳性 /61。
第三节逆函数与可逆性 /71。
第四节平稳时间序列的统计特征 /77。
第五节案例分析 /86。
本章附录 /88。
本章习题 /94。
第四章平稳时间序列模型的建立 /96。
第一节模型识别与定阶 /96。
第二节模型参数的估计 /102。
第三节模型的适应性检验 /109。
第四节时间序列建模的方法 /112。
第五节案例分析 /114。
本章附录 /121。
本章习题 /124。
第五章平稳时间序列模型预测 /126。
第一节预测准则:基于线性投影和最小均方误差的理论构建 /126。
第二节 ARMA 模型预测 /128。
第三节案例分析 /135。
本章习题 /140。
第六章非平稳时间序列及单位根检验 /142。
第一节非平稳时间序列的特征 /142。
第二节时间序列非平稳性的常规检验法 /149。
第三节时间序列非平稳性的单位根检验法 /154。
第四节 ARIMA 模型 /169。
第五节案例分析 /170。
本章习题 /176。
第七章季节性分解和指数平滑 /177。
第一节时间序列分解理论 /177。
第二节经典时序分解方法 /180。
第三节指数平滑预测模型 /189。
本章习题 /199。
第八章条件异方差模型 /201。
第一节自回归条件异方差。
ARCH 。
模型 /202。
第二节广义自回归条件异方差。
GARCH 。
模型 /208。
第三节 GARCH 模型的扩展 /213。
第四节条件异方差模型的建立与预测 /217。
本章习题 /221。
第九章传递函数模型的识别估计及应用 /223。
第一节传递函数模型 /223。
第二节传递函数模型的识别与估计 /227。
第三节干预模型 /240。
第四节时间序列经典单方程应用 /241。
本章习题 /253。
第十章时间序列联立多元模型 /254。
第一节联立方程偏差 /255。
第二节联立方程模型的识别 /256。
第三节联立方程模型的单方程估计方法 /261。
第四节联立方程模型的系统估计方法 /273。
第五节联立方程模型的模拟和评估 /280。
本章习题 /282。
第十一章向量自回归模型 /284。
第一节平稳的VAR 模型 /284。
第二节向量自回归模型的估计与滞后阶数选择 /288。
第三节 VAR 模型的应用 /297。
第四节结构VAR。
SVAR。
模型 /305。
本章习题 /311。
第十二章协整与误差修正模型 /313。
第一节协整的概念 /313。
第二节协整检验 /316。
第三节误差修正模型。
ECM 。
/319。
第四节向量误差修正模型。
VECM 。
/323。
本章习题 /325。
第十三章状态空间方程与卡尔曼滤波 /328。
第一节状态空间方程 /328。
第二节卡尔曼滤波 /333。
本章习题 /345。
第十四章基于传统机器学习的时间序列预测 /347。
第一节机器学习简介 /348。
第二节数据集划分 /351。
第三节模型评估与选择 /352。
第四节传统机器学习算法实战与演进 /355。
第五节过拟合处理:偏差与方差的权衡 /363。
第六节超参数调整:实用教程 /365。
本章习题 /368。
第十五章时间序列分析中的深度学习模型及其应用 /370。
第一节面向金融时间序列的神经网络基础 /371。
第二节面向金融时间序列的序列建模 /379。
第三节面向金融时间序列的卷积时序网络 /389。
本章习题 /397。
第十六章现代时间序列分析前瞻及案例分析 /400。
第一节现代时间序列的四个新难点 /400。
第二节概率预测与不确定性量化:从预测一个数到预测一条分布 /402。
第三节长序列预测的卷积与残差体系 /406。
第四节 Transformer家族的时间序列化 /411。
第五节状态空间模型与深度融合:可解释动态系统的现代版本 /417。
第六节高维多变量时间序列的结构学习:稀疏化、因子化、网络化 /421。
第七节时空序列预测与图神经网络 /424。
第八节结构突变与政策效应识别:变点检测与反事实推断 /428。
第九节现代时间序列分析前沿方法的典型案例 /433。
本章习题 /445。
参考文献 /450