時間序列預測實踐教程（簡體書）

《時間序列預測實踐教程》是一本側重於時間序列分析預測實踐的教材。它從時間序列預測的整個過程來組織全部內容。主要內容有時間序列預測的流程、時間序列數據的收集和預處理、預測精確度的衡量指標、各種不同的預測分析方法。它既涵蓋了基於模型的預測分析方法，也涵蓋了數據驅動的預測分析方法。書中給出了大量的實際案例，讀者可以從中獲取進行時間序列預測所必需的經驗。
《時間序列預測實踐教程》可以作為實用時間序列預測分析的教材，也可以作為預測分析實踐人員的參考書。．

作者:(美)格雷特、李洪成

格雷特編著的《時間序列預測實踐教程》是一本側重于時間序列分析預測實踐的教材。既涵蓋了基于模型的預測分析方法，也涵蓋了數據驅動的預測分析方法。本書可以作為實用時間序列預測分析的教材，也可以作為預測分析實踐人員的參考書。

第1章 預測過程簡介
1．1 預測應用
1．2 本書常用符號
1．3 預測過程
1．4 預測目標——以美國鐵路客運公司為例
1．4．1 描述性目標和預測性目標
1．4．2 向前預測期數和預測數據更新
1．4．3 預測的應用
1．4．4 預測自動化水平
第2章 數據
2．1 數據收集
2．2 時間序列的組成成分
2．3 時間序列的可視化
2．4 交互式可視化
2．5 數據預處理
第3章 預測結果評估
3．1 數據分割
3．1．1 按時間劃分時間序列
3．1．2 合并訓練集和驗證集建立最終預測模型
3．1．3 選擇驗證集區間
3．2 簡單預測
3．3 衡量預測精度
3．3．1 常用衡量預測精度的指標
3．3．2 衡量模型預測精度指標的注意問題
3．4 預測不確定性評估
3．4．1 預測誤差的分布
3．4．2 預測區間
第4章 預測方法概述
4．1 基于模型的方法和數據驅動的方法
4．2 外推法、計量模型和外部信息
4．3 人工預測和自動預測
4．4 組合方法
第5章 基于回歸的預測方法
5．1 趨勢模型的分析
5．1．1 線性趨勢
5．1．2 指數趨勢
5．1．3 多項式趨勢
5．2 帶有季節性趨勢的模型
5．3 同時帶有趨勢性和季節性的模型
5．4 由模型進行預測
5．5 ar模型和arima模型
5．5．1 計算自相關
5．5．2 利用自相關信息來提高預測精度
5．5．3 評價可預測性
5．6 不規則的趨勢模式
5．6．1 離群值
5．6．2 特殊事件
第6章 平滑方法
6．1 引言
6．2 移動平均
6．2．1 中心移動平均：方便可視化
6．2．2 截尾移動平均：方便預測
6．2．3 選擇窗口寬度(w)
6．3 差分
6．3．1 剔除趨勢
6．3．2 剔除季節性(季節調整、去季節化)
6．3．3 剔除趨勢和季節性
6．4 簡單指數平滑處理
6．4．1 選擇平滑處理參數
6．4．2 移動平均和簡單指數平滑之間的關系
6．5 高級指數平滑處理
6．5．1 帶有趨勢的序列：加法模型
6．5．2 帶有趨勢的序列：乘法模型
6．5．3 帶有趨勢和季節性的序列
6．5．4 帶有季節性的時間序列(無趨勢)
6．6 指數平滑方法的擴展
6．6．1 多個季節周期
6．6．2 加法平滑常數
第7章 其他預測方法
7．1 預測中如何應用外部信息
7．1．1 案例1：預狽0農作物的產量
7．1．2 案例2：預測電影的票房收入
7．2 預測二元結果
7．3 邏輯回歸
7．3．1 邏輯回歸簡介
7．3．2 案例：澳大利melbourne的降雨預測
7．4 神經網絡
7．4．1 神經網絡模型
7．4．2 預處理
7．4．3 用戶輸入
7．4．4 案例：預測amtrak公司的客流
7．4．5 神經網絡的輸出
第8章 溝通和維護
8．1 預測結果的報告
8．2 預測監測
8．3 撰寫報告
8．4 保持預測記錄
8．5 決策者的預測調整
第9章 實習案例
9．1 預測公共交通需求
9．1．1 問題背景
9．1．2 問題描述
9．2 游客預測
9．2．1 問題背景
9．2．2 問題描述
9．3 預測股票價格的變化(2010年inform比賽題目)
9．3．1 問題背景
9．3．2 問題描述
附錄 axlminer軟件的獲取方法和菜單項簡介
參考文獻