時間序列X-12-ARIMA季節(jié)調(diào)整：原理與方法

第1章 時間序列(arima和sarima)模型
1.1隨機過程、時間序列
1.2時間序列模型的分類
1.3自相關(guān)函數(shù)
1.4偏自相關(guān)函數(shù)
1.5時間序列(arima)模型的建立與預(yù)測
1.6非季節(jié)時間序列建模案例
1.7季節(jié)時間序列(sarima)模型
1.8季節(jié)時間序列建模案例第2章 時間序列的移動平均計算原理
2.1定義和理論
2.2x-11中的對稱移動平均
2.3musgrave非對稱移動平均
2.4x-11移動平均濾子第3章 單位根檢驗方法
3.1平穩(wěn)與非平穩(wěn)序列的統(tǒng)計特征
3.2四種典型的非平穩(wěn)隨機序列
3.3df分布
3.4單位根的df檢驗用表
3.5進一步討論
3.6單位根檢驗
3.7單位根檢驗舉例
3.8結(jié)構(gòu)突變與單位根檢驗第4章 x-12-arima季節(jié)調(diào)整原理
4.1季節(jié)調(diào)整的意義
4.2x一12一arima簡介
4.3x—12一arima程序的基本流程
4.4regarima建模原理
4.5x-11的默認計算原型
4.6x一1l方法的具體步驟
4.7x—12一arima設(shè)定函數(shù)的運算流程
4.8案例
附錄 aevi：ews的視窗菜單操作
附錄 beviews的命令行操作第5章 x-12-rim季節(jié)調(diào)整程序中的新功能與方法
5.1引言
5.2新的x一11調(diào)整選項
5.3新的診斷
5.4i regarima建模與模型選擇
5.5用模型解決調(diào)整問題：四個例子
5.6用戶交互界面：三個例子
5.7結(jié)論性評論
附錄 ahenderson濾子、musgrave非對稱濾子
附錄 ba0和ls探測程序第6章 x一12輸出結(jié)果詳解
前言
6.1輸出表格b部分：初步估計極端值和日歷效應(yīng)
6.2輸出表格c部分：極端值和日歷效應(yīng)的最終估計
6.3輸出表格d部分：不同成分的最終估計
6.4輸出表格e部分
6.5輸出表格f部分：季節(jié)調(diào)整質(zhì)量的衡量第7章 中國春節(jié)等特殊日歷因素調(diào)整方案
7.1移動假日效應(yīng)
7.2春節(jié)模型
7.3案例
7.4存量數(shù)據(jù)的春節(jié)效應(yīng)調(diào)整
7.5genhol程序簡要說明
7.6春節(jié)模型的進一步改進
7.7存量數(shù)據(jù)春節(jié)模型的進一步改進附表1 春節(jié)虛擬變量(流量數(shù)據(jù))1970—2020年(一14≤w≤20)
附表2 春節(jié)虛擬變量(存量數(shù)據(jù))1970—2020年(w2=31)
附表3 春節(jié)虛擬變量(存量數(shù)據(jù))1970—2020年(w2=25)
附表4 改進春節(jié)模型的春節(jié)虛擬變量(流量數(shù)據(jù))
附表5 改進春節(jié)模型的春節(jié)虛擬變量(存量數(shù)據(jù))1970—2020年
(w6=15，wd=3，wa=20，w2=31)
參考文獻