时间序列X-12-ARIMA季节调整：原理与方法

第1章 时间序列(arima和sarima)模型
1.1随机过程、时间序列
1.2时间序列模型的分类
1.3自相关函数
1.4偏自相关函数
1.5时间序列(arima)模型的建立与预测
1.6非季节时间序列建模案例
1.7季节时间序列(sarima)模型
1.8季节时间序列建模案例第2章 时间序列的移动平均计算原理
2.1定义和理论
2.2x-11中的对称移动平均
2.3musgrave非对称移动平均
2.4x-11移动平均滤子第3章 单位根检验方法
3.1平稳与非平稳序列的统计特征
3.2四种典型的非平稳随机序列
3.3df分布
3.4单位根的df检验用表
3.5进一步讨论
3.6单位根检验
3.7单位根检验举例
3.8结构突变与单位根检验第4章 x-12-arima季节调整原理
4.1季节调整的意义
4.2x一12一arima简介
4.3x—12一arima程序的基本流程
4.4regarima建模原理
4.5x-11的默认计算原型
4.6x一1l方法的具体步骤
4.7x—12一arima设定函数的运算流程
4.8案例
附录 aevi：ews的视窗菜单操作
附录 beviews的命令行操作第5章 x-12-rim季节调整程序中的新功能与方法
5.1引言
5.2新的x一11调整选项
5.3新的诊断
5.4i regarima建模与模型选择
5.5用模型解决调整问题：四个例子
5.6用户交互界面：三个例子
5.7结论性评论
附录 ahenderson滤子、musgrave非对称滤子
附录 ba0和ls探测程序第6章 x一12输出结果详解
前言
6.1输出表格b部分：初步估计极端值和日历效应
6.2输出表格c部分：极端值和日历效应的最终估计
6.3输出表格d部分：不同成分的最终估计
6.4输出表格e部分
6.5输出表格f部分：季节调整质量的衡量第7章 中国春节等特殊日历因素调整方案
7.1移动假日效应
7.2春节模型
7.3案例
7.4存量数据的春节效应调整
7.5genhol程序简要说明
7.6春节模型的进一步改进
7.7存量数据春节模型的进一步改进附表1 春节虚拟变量(流量数据)1970—2020年(一14≤w≤20)
附表2 春节虚拟变量(存量数据)1970—2020年(w2=31)
附表3 春节虚拟变量(存量数据)1970—2020年(w2=25)
附表4 改进春节模型的春节虚拟变量(流量数据)
附表5 改进春节模型的春节虚拟变量(存量数据)1970—2020年
(w6=15，wd=3，wa=20，w2=31)
参考文献