7.1 概述 7.2 时间序列的自相关分析 7.3 单位根检验和协整检验 7.4 ARMA模型的建模

智能系统：改进的灰色模型与ARMA模型的股指预测

智能系统：小波变换和GM-ARMA组合模型的股指预测

本章我们讨论分析时间序列数据（检验序列相关性，估计ARMA模型，使用分布滞后，非平稳时间序列的单位根检验）的单方程回归方法

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

非平稳序列 ARMA的平稳性 VAR的平稳性 单位根所带来的问题 单位根检验 单位根检验的Stata实例 协整的思想与初步检验 协整的最大似然估计

§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

一、依据现在和过去的信息对未来提出预测，自然希望预测是最优预测。 二、最优的准则是什么？ 三、一个好的预测是预测的误差越小越好

本章我们讨论分析时间序列数据(检验序列相关性,估 计ARMA模型,使用分布滞后,非平稳时间序列的单位根检 验)的单方程回归方法

Ch. 16 Stochastic Model Building Unlike linear regression model which usually has an economic theoretic model built somewhere in economic literature, the time series analysis of a stochastic process needs the ability to relating a stationary ARMA model to real data. It is usually best achieved by a three-stage