应用时间序列分析:基于 R 和 Python

本书通过案例讲述有关的概念和方法，不仅介绍了ARMA 模型、状态空间模型、Kalman 滤波、单位根检验和GARCH 模型等一元时间序列方法，还介绍了很多多元时间序列方法，如线性协整、门限协整、VAR 模型、Granger 因果检验、神经网络模型、可加AR 模型和谱估计等，并且增加了全新的一章讲述如何用深度学习行时间序列分析. 书中强调对真实的时间序列数据行分析，全程使用R 和Python软件分析了各个科学领域的实际数据，还分析了金融和经济数据的例子.本书通俗易懂，理论与应用并重，可作为高等院校统计学和经济管理等专业“时间序列分析”相关课程的教材，对金融和互联网等领域的相关从业者也极具参考价值.
【推荐语】
时间序列分析是统计学、经济金融和管理学等专业的一门很重要的课程。这些专业的学生学习这门课的主要目标是用时间序列模型对实际数据行建模和分析。本书很好地平衡了数学理论和案例应用，并且配有R和Python两种语言的代码供读者选择学习。另外，还配有丰富的线上资源：教学PPT讲义、案例数据和代码。
【作者】
吴喜之系美国北卡罗来纳大学统计系博士，博士生导师。国务院学位委员会统计学科评议组成员、概率统计学会常务理事、国家教委概率统计教材组成员、国家统计教材编审委员会委员、数学展编委、中国统计方法应用标准化技术委员会标准化中统计方法应用分委员会主任委员。主要从事序贯分析，回归诊断，质量控制和模型选择等方向的教学与研究。在国际重要学术刊物上发表论文50多篇，时著有近二十部专著和教材，代表性著作有《非参数统计》，《现代贝叶斯统计》，多次主持国家自然科学基金项目。曾在国加利福尼亚大学、北卡罗来那大学、北京大学、南大学任教。 吴喜之是国内统计学界的学术带头人，国内推广R语言的先驱，曾为我国统计学学科升级为一级学科做出巨大的贡献，经常应邀到各个大学做统计学与R语言的讲座或短期培训。