非线性时间序列分析及其应用 王海燕，卢山著,2006

《非线性时间序列分析及其应用 王海燕，卢山著,2006》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、[GeneralInformation]书名=非线性时间序列分析及其应用王海燕，卢山著,2006作者=王海燕，卢山著页数=174SS号=11845580出版日期=2006.11前言目录第一章　绪论1.1　时间序列的含义及分类1.2　非线性时间序列的例子1.3　研究非线性时间序列的意义第二章　单变量非线性时间序列分析2.1　非线性时间序列分析流程2.2　相空间重构2.2.1　延迟时间间隔的确定2.2.2　嵌入维数的确定2.3　几何不变量的计算2.3.1　关联维数2.3.2Kolmogorov熵和Renyi

2、熵2.3.3　Lyapunov指数2.4　观测时间序列平稳性的检验2.5　基于观测时间序列的系统非线性性检验2.5.1　零假设及替代时间序列的约束生成算法2.5.2　判别统计量的选取2.5.3　统计检验方法2.6　基于观测时间序列的系统确定性检验2.6.1　从非线性预测判断系统的确定性2.6.2　利用递归图判断系统的确定性2.7　观测时间序列噪声处理技术2.7.1　噪声级别的估计2.7.2　噪声的降低第三章　基于多变量时间序列的系统非线性性检验3.1随机变量的线性冗余和广义冗余3.2　时间序列广义冗余的

3、计算3.2.1直方图及盒计数法3.2.2　关联积分计算法3.3　系统非线性性的定性和定量检验3.3.1　系统非线性性的定性检验3.3.2　系统非线性性的定量检验3.4　仿真模拟第四章　多变量时间序列相空间重构4.1多变量时间序列相空间重构的流程4.2多变量时间序列中变量间的依赖关系4.2.1　随机变量间统计依赖性的度量方法4.2.2　观测时间序列统计依赖性的计算4.2.3　应用举例4.3　多变量时间序列相空间重构参数的确定4.3.1　利用预测误差最小法确定嵌入维数4.3.2　利用虚假最近邻点法确定嵌入维

4、数4.3.3　虚假最近邻点法确定嵌入维数算法的改进4.3.4　嵌入维数算法的仿真计算4.4　多变量时间序列重构相空间中几何不变量的计算4.4.1　广义关联维数的计算4.4.2　小数据量情况下最大Lyapunov指数的计算4.5　多变量时间序列相空间重构中噪声的影响第五章　多变量非线性时间序列预测方法5.1　多变量非线性时间序列的局域预测法5.1.1　局部平均预测法5.1.2　局部线性预测法5.1.3　局部多项式预测法5.2　多变量非线性时间序列的全域预测法5.2.1　多项式逼近预测法5.2.2　神经网络

5、预测法5.2.3　径向基函数预测法5.3　各种预测方法的预测效果对比分析5.3.1　预测效果评价5.3.2　仿真比较5.4　基于正则化的多变量非线性时间序列预测方法5.4.1　奇异值分解5.4.2　最小二乘估计5.4.3　正则化估计5.4.4　基于正则化的局部线性和局部多项式预测的步骤5.4.5　Lorenz系统的仿真模拟5.5　基于正则化的多变量非线性时间序列的自适应预测方法5.5.1　基于正则化的自适应预测的步骤5.5.2　Henon映射的仿真检验第六章　非线性时间序列分析法在证券市场中的应用6.1

6、基于单变量时间序列的证券市场非线性性和确定性检验6.1.1　样本数据及平稳化处理6.1.2　证券市场的非线性性检验6.1.3　证券市场的确定性检验6.2　基于多变量时间序列的证券市场非线性性检验6.2.1　样本数据及平稳化处理6.2.2　证券市场的非线性性检验6.3　上海证券市场单变量指数序列的预测研究6.3.1　样本数据及相空间重构6.3.2　基于正则化的自适应预测6.4　上海证券市场多变量指数序列的预测研究6.4.1　样本数据及相空间重构6.4.2　局部多项式预测6.4.3　基于正则化的局部线性和局

7、部多项式预测参考文献