Elements of Multivariate Time Series Analysis.
多元时间序列分析基础AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确涵盖向量 ARMA、单位根、协整和状态空间模型，并专门讨论 ARMA 预测，支持时间序列与预测两类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
多元时间序列分析基础
- 研究问题
- 如何系统掌握多元时间序列的动态建模、估计、检验与预测，并进一步理解降秩、单位根、协整及状态空间方法？
- 方法与思路
- 所给摘要按教材方式组织内容，从平稳过程与向量 ARMA 入手，介绍估计和预测，再扩展到协整与 Kalman 滤波等主题。
- 材料陈述的贡献
- 摘要将其描述为以单变量时间序列知识为基础的系统性书籍，覆盖基础和进阶方法；未声称提出独立的新定理或估计量。
- 阅读关注点
- 应核对实际文献类型、书籍版本和章节范围，重点区分平稳与非平稳模型的假设，以及估计、检验和预测之间的衔接。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；内容描述一本书，所给材料不能确认记录是否为书评，也不能据此认定方法原创贡献。
原文摘要
This study is devoted to the analysis of multivariate time series data. Such data might arise in business and economics, engineering, geophysical sciences, agriculture, and many other fields. The emphasis is on providing an account of the basic concepts and methods which are useful in analyzing such data. The book presupposes a familiarity with univariate time series as might be gained from one term of a graduate course, but it is otherwise self-contained. It covers the basic topics such as autocovariance matrices of stationary processes, vector ARMA models and their properties, forecasting ARMA processes, least squares and maximum likelihood estimation techniques for vector AR and ARMA models, and associated likelihood ratio testing procedures for model building. In addition, it presents more advanced topics and techniques including reduced rank structure, structural indices, scalar component models, canonical correlation analyses for vector time series, multivariate nonstationary unit root models and co-integration structure, and state-space models and Kalman flltering techniques.