Analiza szeregów czasowych

-25%

Analiza szeregów czasowych

1 opinia

Format:

pdf, ibuk

DODAJ DO ABONAMENTU

WYBIERZ RODZAJ DOSTĘPU

3,75  5,00

Format: pdf

Cena początkowa: 5,00 zł (-25%)

Najniższa cena z 30 dni: 3,75 zł  


3,75

w tym VAT

TA KSIĄŻKA JEST W ABONAMENCIE

Już od 24,90 zł miesięcznie za 5 ebooków!

WYBIERZ SWÓJ ABONAMENT

W rozdziale pierwszym wprowadzono podstawowe pojęcia związane z procesem stochastycznym i szeregiem czasowym. Wykorzystując wprowadzone definicje, przeprowadzono wstępne analizy wybranych z rynku szeregów czasowych. Przedstawiono wybrane klasyfikacje szeregów czasowych oraz modeli szeregów czasowych. W rozdziale drugim zaprezentowano klasyczne metody analizy szeregów czasowych, modele z trendem liniowym, nieliniowym oraz okresowością. Wśród modeli z okresowością opisano model wskaźnikowy, model ze zmiennymi periodycznymi oraz model oparty na szeregu Fouriera. Przedstawione metody zilustrowano przykładami wyznaczania modeli dla wybranych empirycznych szeregów czasowych. Rozdział trzeci poświęcono liniowym modelom autoregresyjnym klasy ARIMA. W podziale na modele stacjonarne i niestacjonarne opisano podstawowe własności modeli. Prezentowane pojęcia i modele zilustrowano przykładowymi analizami empirycznych szeregów czasowych. W rozdziale czwartym zaprezentowano podstawowe modele klasy GARCH i ich zastosowanie do analizy empirycznych szeregów czasowych. W ostatnim rozdziale – piątym – zebrano informacje dotyczące weryfikacji hipotez w analizie i modelowaniu szeregów czasowych.


Rok wydania2014
Liczba stron116
KategoriaInne
WydawcaWydawnictwo Uniwersytetu Ekonomicznego w Katowicach
ISBN-13978-83-7875-191-5
Numer wydania1
Język publikacjipolski
Informacja o sprzedawcyePWN sp. z o.o.

Ciekawe propozycje

Spis treści

  Wstęp    7
  
  Rozdział    1
  Proces stochastyczny a szereg czasowy    9
  1.1. Charakterystyki procesu stochastycznego    11
  1.2. Przykłady procesów stochastycznych    13
  1.3. Estymacja rozkładu procesów stochastycznych – wstępna analiza szeregów czasowych    15
  1.4. Klasyfikacja i przykłady szeregów czasowych    20
  1.5. Klasyfikacja modeli szeregów czasowych    27
  
  Rozdział    2
  Dekompozycja źródła zmienności wartości oczekiwanej w szeregach czasowych    29
  2.1. Modele trendu    30
  2.2. Modele trendu i sezonowości    33
  2.2.1. Metoda mechaniczna wyznaczania trendu    34
  2.2.2. Model wskaźnikowy    35
  2.2.3. Model Kleina    41
  2.2.4. Analiza harmoniczna    45
  
  Rozdział    3
  Wybrane liniowe modele autoregresyjne    50
  3.1. Modele procesów stacjonarnych    50
  3.1.1. Procesy autoregresji    50
  3.1.1.1. Własności procesu AR(p)    51
  3.1.1.2. Identyfikacja procesu AR(p)    55
  3.1.1.3. Prognozowanie na podstawie modelu AR(p)    56
  3.1.2. Procesy średniej ruchomej    57
  3.1.2.1. Własności procesu MA(q)    58
  3.1.2.2. Identyfikacja procesu MA(q)    59
  3.1.2.3. Prognozowanie na podstawie modelu MA(q)    60
  3.1.3. Dualność modeli autoregresji i średniej ruchomej    60
  3.1.4. Modele procesów autoregresji i średniej ruchomej    62
  3.1.4.1. Własności procesu ARMA(p,q)    62
  3.1.4.2. Identyfikacja procesu ARMA(p,q)    63
  3.1.4.3. Prognozowanie na podstawie modelu ARMA(p,q)    63
  3.1.5. Estymacja parametrów modeli procesów stacjonarnych    64
  3.1.5.1. Metoda równań Yule’a-Walkera    64
  3.1.5.2. Metoda Największej Wiarygodności (MNW)    65
  3.1.6. Zastosowanie kryteriów informacyjnych do identyfikacji liniowych procesów stacjonarnych    66
  3.2. Modele procesów niestacjonarnych    68
  3.3. Modele procesów z długą pamięcią    72
  
  Rozdział    4
  Wybrane nieliniowe modele autoregresyjne    74
  4.1. Przyczyny heteroskedastyczności procesów    74
  4.2. Nieliniowe modele procesów stacjonarnych    78
  4.3. Nieliniowe modele procesów niestacjonarnych    81
  4.4. Estymacja parametrów nieliniowych modeli autoregresyjnych    83
  4.5. Zastosowanie kryteriów informacyjnych do identyfikacji nieliniowych procesów stacjonarnych    84
  4.6. Ocena dopasowania modeli wariancji warunkowej do danych empirycznych    84
  4.7. Prognozowanie zmienności za pomocą modeli GARCH    85
  
  Rozdział    5
  Wybrane testy analizy jednowymiarowych szeregów czasowych    96
  5.1. Podstawowe metody weryfikacji modelu    96
  5.1.1. Mierniki jakości modelu    96
  5.1.2. Badanie istotności parametrów strukturalnych    97
  5.1.3. Badanie własności reszt modelu    98
  5.1.3.1. Losowość reszt    98
  5.1.3.2. Testy autokorelacji reszt    99
  5.1.3.3. Testy jednorodności wariancji    101
  5.1.3.4. Testy zgodności    101
  5.2. Testy obecności autokorelacji w wariancji procesu    103
  5.3. Testy stacjonarności    104
  5.3.1. Test DF    106
  5.3.2. Test ADF    108
  5.3.3. Test KPSS    109
  5.4. Testowanie długiej pamięci szeregów czasowych    111
  
  Literatura    115
RozwińZwiń
Informacja o cookies
Strona ibuk.pl korzysta z plików cookies w celu dostarczenia Ci oferty jak najlepiej dopasowanej do Twoich oczekiwań i preferencji, jak również w celach marketingowych i analitycznych.
Nasi partnerzy również mogą używać ciasteczek do profilowania i dopasowywania do Ciebie pokazywanych treści na naszych stronach oraz w reklamach.
Poprzez kontynuowanie wizyty na naszej stronie wyrażasz zgodę na użycie tych ciasteczek. Więcej informacji, w tym o możliwości zmiany ustawień cookies, znajdziesz w naszej Polityce Prywatności.

Nie pokazuj więcej tego powiadomienia