隨機型時間序列預測法概述(PPT 86頁)

7.1 基本概述
7.1.1 有關概念
7.1.2 自協方差函數與自相關函數
7.2 常見的時間序列模型
7.2.1 自回歸(AR)模型
7.2.2 移動平均（MA）模型
7.2.3 自回歸-移動平均（ARMA）模型
7.2.4 求和(ARIMA)模型
7.2.5 季節性模型
7.3 自相關函數、偏相關函數
7.3.1 AR(p)模型的自相關函數
7.3.2 MA(q)模型的自相關函數
7.3.3 ARMA(p,q)模型的自相關函數
7.3.4 ARMA(p,q)模型的偏相關函數
7.3.5 樣本自相關函數與樣本偏相關函數
7.4 模型識別
7.4.1 AR(p)模型的識別
7.4.2 MA(q)模型的識別
7.4.3 ARMA(p,q)模型的識別
7.5 參數估計
7.5.1 矩估計方法
7.5.2 最小二乘估計
7.6 模型的檢驗與修正
7.6.1 模型的檢驗
7.6.2 模型的修正
7.7 預測
7.7.1 有關概念
7.7.2 AR(p)模型的預測
7.7.3 MA(q)模型的預測
7.7.4 ARMA(p,q)模型的預測
7.8 應用舉例
7.8.1 應用1
7.8.2 應用2
..............................