中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
買過本商品的人還買了
基于Python的時間序列分析 版權信息
- ISBN：9787302626848
- 條形碼：9787302626848 ; 978-7-302-62684-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于Python的時間序列分析 本書特色
一本借助Python軟件學習和實踐時間序列分析的教材本書通俗易懂，案例豐富，便于操作，可作為高等院校統計、經濟、商科、工程以及定量社會科學等相關專業的本科生學習時間序列分析的教材或教學參考書，也可做為碩士研究生使用Python軟件學習時間序列分析的入門書，還可供相關技術人員進行時序數據處理的參考書。
基于Python的時間序列分析 內容簡介
本書在借鑒國內外相關教材優點的基礎上, 總結作者多年講授時間序列分析課程的教學經驗和體會, 本著“教師好用、學生好讀”的指導思想, 系統地介紹了一元時間序列分析的基本思想、基本原理和基本方法, 內容包括時間序列的基本概念、時間序列數據的預處理方式、分解和平滑、趨勢的消除、單位根檢驗和協整、平穩時間序列模型、非平穩時間序列模型、殘差自回歸模型、季節模型、異方差時間序列模型、譜分析、基于深度學習的時間序列預測以及上述模型的性質、建模、預測, 此外還包含了大量的實例. 本書全程使用 Python語言分析了來自不同學科的真實數據.
基于Python的時間序列分析 目錄
第 1 章 引言及基礎知識 1
1.1 引言 1
1.1.1 時間序列的定義 1
1.1.2 時間序列的分類 6
1.1.3 時間序列分析的方法回顧 6
1.2 基本概念 8
1.2.1 時間序列與隨機過程 8
1.2.2 概率分布族及其征 8
1.2.3 平穩時間序列的定義 10
1.2.4 平穩時間序列的些性質 11
1.2.5 平穩性假設的意義 12
1.3 時間序列建模的基本步驟 14
1.3.1 模型識別 14
1.3.2 模型估計 15
1.3.3 模型檢驗 15
1.3.4 模型應用 16
1.4 數據預處理 16
1.4.1 時序圖與自相關圖的繪制 16
1.4.2 數據平穩性的圖檢驗 21
1.4.3 數據的純隨機性檢驗 24
題 1 28
第 2 章 平穩時間序列模型及其性質 31
2.1 差分方程和滯后算子 31
2.1.1 差分運算與滯后算子 31
2.1.2 線性差分方程 32
2.2 自回歸模型的概念和性質 34
2.2.1 自回歸模型的定義 34
2.2.2 穩定性與平穩性 38
2.2.3 平穩自回歸模型的統計性質 41
2.3 移動平均模型的概念和性質 50
2.3.1 移動平均模型的定義 50
2.3.2 移動平均模型的統計性質 50
2.4 自回歸移動平均模型的概念和性質 55
2.4.1 自回歸移動平均模型的定義 55
2.4.2 平穩性與可逆性 56
2.4.3 Green 函數與逆函數 56
2.4.4 ARMA(p, q) 模型的統計性質 57
題 2 59
第 3 章 平穩時間序列的建模和預測 61
3.1 自回歸移動平均模型的識別 61
3.1.1 自相關函數和偏自相關函數的估計 61
3.1.2 模型識別的方法 62
3.2 參數估計 68
3.2.1 矩估計法 68
3.2.2 小二乘估計 72
3.2.3 大似然估計 74
3.2.4 應用舉例 75
3.3 模型的檢驗與化 77
3.3.1 殘差的檢驗 78
3.3.2 過度擬合檢驗 79
3.3.3 模型化 80
3.4 序列的預測 84
3.4.1 預測準則 84
3.4.2 自回歸移動平均模型的預測 87
題 3 92
第 4 章 數據的分解和平滑 95
4.1 序列分解原理 95
4.1.1 平穩序列的 Wold 分解 95
4.1.2 般序列的 Cramer 分解 96
4.1.3 數據分解的形式 97
4.2 趨勢擬合法 99
4.2.1 線性擬合 99
4.2.2 由線擬合 101
4.3 移動平均法 103
4.3.1 中化移動平均法 103
4.3.2 簡單移動平均法 104
4.3.3 二次移動平均法 106
4.4 指數平滑方法 108
4.4.1 簡單指數平滑方法 108
4.4.2 Holt 線性指數平滑方法 110
4.4.3 Holt-Winters 指數平滑方法 112
4.5 季節效應分析 115
題 4 117
第 5 章 非平穩時間序列模型 119
5.1 非平穩序列的概念 119
5.1.1 非平穩序列的定義 119
5.1.2 確定性趨勢 120
5.1.3 隨機性趨勢 120
5.2 趨勢的 121
5.2.1 差分運算的本質 121
5.2.2 趨勢信息的提取 122
5.2.3 過差分現象 125
5.3 求和自回歸移動平均模型 127
5.3.1 求和自回歸移動平均模型的定義 127
5.3.2 求和自回歸移動平均模型的性質 128
5.3.3 求和自回歸移動平均模型建模 129
5.3.4 求和自回歸移動平均模型的預測理論 135
5.4 殘差自回歸模型 137
5.4.1 殘差自回歸模型的概念 137
5.4.2 殘差的自相關檢驗 138
5.4.3 殘差自回歸模型建模 140
題 5 144
第 6 章 季節模型 146
6.1 簡單季節自回歸移動平均模型 146
6.1.1 季節移動平均模型 146
6.1.2 季節自回歸模型 147
6.2 乘積季節自回歸移動平均模型 148
6.3 季節求和自回歸移動平均模型 149
6.3.1 乘積季節求和自回歸移動平均模型 149
6.3.2 乘積季節求和自回歸移動平均模型的建模 150
6.4 季節求和自回歸移動平均模型的預測 155
題 6 158
第 7 章 單位根檢驗和協整 160
7.1 偽回歸 160
7.1.1 “偽回歸” 現象 160
7.1.2 非平穩對回歸的影響 161
7.2 單位根檢驗 162
7.2.1 理論基礎 162
7.2.2 DF 檢驗 164
7.2.3 ADF 檢驗 165
7.2.4 KPSS 單位根檢驗 168
7.3 協整 171
7.3.1 協整的概念 171
7.3.2 協整檢驗 173
7.4 誤差修正模型 176
題 7 177
第 8 章 異方差時間序列模型 180
8.1 簡單異方差模型 180
8.1.1 異方差的現象 180
8.1.2 方差齊性變換 182
8.2 自回歸條件異方差模型 185
8.2.1 自回歸條件異方差模型的概念 185
8.2.2 自回歸條件異方差模型的估計 186
8.2.3 自回歸條件異方差模型的檢驗 187
8.3 廣義自回歸條件異方差模型 191
題 8 197
第 9 章 普分析 200
9.1 譜分析大意 200
9.2 譜密度 203
9.2.1 譜表示 204
9.2.2 譜密度 204
9.3 譜密度估計 210
9.3.1 譜密度的周期圖估計 210
9.3.2 譜密度的非參數估計 212
9.3.3 譜密度的參數估計 220
9.4 案例分析 221
題 9 224
第 10 章 基于深度學的時間序列預測 226
10.1 基于多層感l機的時間序列預測 226
10.1.1 多層感l機概述 226
10.1.2 多層感l機的訓練 227
10.1.3 案例分析 230
10.2 基于循環經網絡的時間序列預測 239
10.2.1 循環經網絡的概念 239
10.2.2 循環經網絡的訓練 241
10.2.3 長期相依問題 242
10.2.4 案例分析 245
10.3 基于卷積經網絡的時間序列預測 248
10.3.1 二維卷積與維卷積 248
10.3.2 案例分析 252
題 10 253
附錄 Python 入門 255
1 Python 簡介 255
2 Anaconda 環境搭建及界面介紹 255
2.1 Anaconda 的安裝 255
2.2 環境管理 257
2.3 Jupyter Notebook 界面與使用簡介 259
3 Python 基礎 261
3.1 數據的讀寫 261
3.2 編程基礎 263
4 幾個模塊入門 269
4.1 Numpy 269
4.2 Pandas 273
4.3 Matplotlib 275
參考文獻 278
展開全部
基于Python的時間序列分析 作者簡介
白曉東，博士學位，教授。大連民族大學理學院。從事教學工作20幾年，本科是基礎數學專業、碩士是概率論與數理統計專業，博士是金融數學與保險精算專業，主持或參加過多項省部級以上科研項目和教改項目，發表過近20篇學術論文，5521人才工程第二層次。
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
煙與鏡
- >
二體千字文
- >
史學評論
- >
隨園食單
- >
月亮與六便士
- >
小考拉的故事-套裝共3冊
- >
李白與唐代文化
本類暢銷
