文摘
英文文摘
第1章 绪论
1.1 时间序列综述
1.2 状态空间模型的发展简介
1.3 本文的工作及章节安排
第2章 状态空间模型及Kalman滤波
2.1 状态空间模型简介
2.2 状态空间模型的Kalman滤波算法
2.3 状态稳定时的Kalman滤子
2.4 Kalman平滑与缺失值
第3章 状态空间模型的参数估计
3.1 极大似然概述
3.2 状态空间模型参数的极大似然估计
3.3 EM算法
3.3.1 EM算法求状态空间参数
3.3.2.EM算法的性质
第4章 状态空间模型在社会消费品零售总额实例应用
4.1 社会消费品零售总额概述
4.1.1 社会消费品零售总额定义
4.1.2 研究意义
4.2 研究数据
4.3 乘积季节模型的应用
4.3.1 乘积季节模型(SARIMA)简介
4.3.2 乘积季节模型的应用
4.4 典型分解模型
4.4.1 典型分解模型(BSM)简介
4.4.2 典型分解模型的应用
4.5 状态空间模型
4.5.1 状态空间模型简介
4.5.2 状态空间模型的应用
第5章 结论与展望
5.1 结论
5.2 展望
参考文献
附录 A社会消费品零售总额数据
附录 B状态空间模型分解后各项值
致谢
大连海事大学;