智能系统：改进的灰色模型与ARMA模型的股指预测

已经学习回归模型和时间序列模型，如果把这两种分析方法结合在一起，有时会得到比 其中任何一种方法都好的预测结果

• 信号模型及其功率谱 • AR、MA、ARMA模型与功率谱 • AR 模型的功率谱估计 –Yule-Walker 方程 –AR 模型特性 –参数估计方法 • MA模型的功率谱估计 • ARMA模型的功率谱估计

第一章EViews软件使用初步 第二章线性回归分析 第三章非线性模型 第四章传统时间序列分析 第五章ARMA模型应用 第六章动态计量模型基础 第七章多方程模型 第八章条件异方差模型 第九章Panel Data模型 第十章离散及受限因变量模型 第十一章EViews编程基础

时间序列的自相关 一阶自回归 高阶自回归 自回归分布滞后模型 误差修正模型 移动平均与ARMA模型 脉冲响应函数 向量自回归过程 VAR的脉冲响应函数 格兰杰因果检验 VAR的Stata命令及实例 时间趋势项 季节调整 日期数据的导入

本文讨论了对电渣炉一类时滞传递特性对象的分析方法,可用以估计模型的结构,并应用了动态数据系统（DDS）辨识过程所得自回归滑动平均（ARMA）的模型。根据微处理机的控制和运算能力,对量测随机干扰的滤波和熔化速度控制回路的调节规律,提出了可行的算法。分析了系统的组成,并应用现代控制理论最佳控制的思想,提出了今后工作要点

§1 确定性时间序列分析方法概述 §2 移动平均法 §3 指数平滑法 §4 差分指数平滑法 §5 自适应滤波法 §6 趋势外推预测方法 §7 平稳时间序列模型 §8 ARMA 模型的特性 §9 时间序列建模的基本步骤