应用时间序列分析：基于R和Python

时间序列分析是统计学的一个重要分支，是一种用于分析与预测时序数据的统计方法。它广泛应用于经济、商业、社会问题研究中，特别是在金融市场预测中具有重要地位。时间序列分析的核心是通过数学建模揭示数据中的趋势、周期性和季节性特征，从而对未来变化趋势进行预测。

本书理论与实践并重，力图用简单通俗的语言阐述基本概念和计算，并尽量通过案例来讲述各种时间序列方法，使得具有不同专业背景的读者容易理解，同时也把有关的数学理论用简单完整的方式阐述，以供读者快速掌握核心理论。

本书不仅介绍了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，并且专门用一章讲述如何用深度学习方法进行时间序列分析。

书中强调对真实的时间序列数据进行分析，全程使用R和Python软件分析了多个科学领域的实际数据，尤其是金融和经济中的数据。