状态空间方法的时间序列分析(第二版)

目　　录
１引言１
２局部水平模型９
２１　引言９
２２　滤波１１
２３　预测误差１７
２４　状态平滑２０
２５　扰动平滑２３
２６　模拟２６
２７　缺失观测２８
２８　预测３０
２９　初始化３２
２１０　参数估计３５
２１１　稳态３８
２１２　诊断检查３８
２１３　练习４２
３线性高斯状态空间模型４３
３１　引言４３
３２　一元结构时间序列模型４４
３３　多元结构时间序列模型５１
３３１　同质模型５１
３４　ＡＲＭＡ模型和ＡＲＩＭＡ模型５３
３５　指数平滑５７
３６　回归模型６０
３７　动态因子模型６１
３８　连续时间状态空间模型６２
３９　样条平滑６６
３１０　状态空间分析的深入评论６９
３１１　练习７３
４滤波、平滑和预测７５
４１　引言７５
４２　多元回归理论的基本结果７６
４３　滤波８１
４４　状态平滑８６
４５　扰动平滑９２
４６　其他状态平滑算法９５
４７　平滑估计的协方差矩阵９８
４８　权重函数１０３
４９　模拟平滑１０６
４１０　缺失观测１０９
４１１　预测１１１
４１２　观测向量的维度１１２
４１３　基本结果的矩阵形式１１３
４１４　练习１２０
５滤波和平滑的初始化１２３
５１　引言１２３
５２　卡尔曼滤波的精确初始化１２６
５３　状态平滑的精确初始化１３０
５４　扰动平滑的精确初始化１３４
５５　精确初始模拟平滑１３５
５６　一些模型初始条件案例１３６
５７　增广卡尔曼滤波和平滑１４０
６深入计算方面１４７
６１　引言１４７
６２　回归估计１４７
６３　平方根滤波和平滑１５０
６４　多元序列的一元处理１５５
６５　大型观测向量的收缩１６０
６６　线性约束下的滤波与平滑１６４
６７　状态空间方法的计算机软件包１６４
７参数极大似然估计１７０
７１　引言１７０
７２　似然评估１７０
７３　参数估计１７６
７４　拟合优度１８７
７５　诊断检查１８７
８线性高斯模型应用的演示１８９
８１　引言１８９
８２　结构时间序列分析１８９
８３　二元结构时间序列分析１９４
８４　Ｂｏｘ－Ｊｅｎｋｉｎｓ分析１９７
８５　平滑样条１９９
８６　动态因子分析２００
９非线性和非高斯模型特例２０７
９１　引言２０７
９２　线性高斯信号模型２０７
９３　指数簇模型２０９
９４　厚尾分布２１２
９５　随机波动模型２１３
９６　其他金融模型２２０
９７　非线性模型２２２
１０近似滤波与平滑２２３
１０１　引言２２３
１０２　扩展卡尔曼滤波２２３
１０３　无迹卡尔曼滤波２２７
１０４　非线性平滑２３４
１０５　通过数据转换的近似２３５
１０６　通过模估计的近似２３６
１０７　模估计的深入发展２４４
１０８　厚尾分布处理２５０
１１平滑的重要性采样２５７
１１１　引言２５７
１１２　重要性采样的基本思想２５８
１１３　重要性密度的选择２６０
１１４　重要性采样的实现细节２６１
１１５　估计状态向量的函数２６５
１１６　估计对数似然值和参数２６８
１１７　重要性采样的权重和诊断２７２
１２粒子滤波２７４
１２１　引言２７４
１２２　重要性采样的滤波２７４
１２３　序贯重要性采样２７６
１２４　自举粒子滤波２８１
１２５　辅助粒子滤波２８４
１２６　粒子滤波的其他实现２８７
１２７　Ｒａｏ－Ｂｌａｃｋｗｅｌｌｉｓａｔｉｏｎ ２９４
１３贝叶斯参数估计２９７
１３１　引言２９７
１３２　线性高斯模型的后验分析２９８
１３３　非线性非高斯模型的后验分析３０１
１３４　马尔可夫链蒙特卡洛方法３０７
１４　非高斯和非线性演示３１０
１４１　引言３１０
１４２　非线性分解：英国居民出国旅行３１０
１４３　泊松密度：英国面包车司机死亡３１３
１４４　厚尾密度：天然气消费异常３１４
１４５　波动：英镑兑美元日汇率３１６
１４６　二进制密度：牛津剑桥划船比赛３２１
参考文献３２３