序一
    序二
前言
教学建议
第1章  预测概述
  1.1  预测的基本概念
    1.1.1  预测科学的产生
    1.1.2  预测的定义
    1.1.3  预测的可能性
    1.1.4  预测的不准确性
    1.1.5  预测的基本功能
  1.2  预测的基本原理与步骤
    1.2.1  预测的基本原理
    1.2.2  预测的一般步骤
  1.3  预测资料的收集与预处理
    1.3.1  确定数据收集的目的
    1.3.2  设计数据收集方案
    1.3.3  数据的收集与整理
    1.3.4  对数据进行分析与预处理
  1.4  预测方法的分类
    1.4.1  预测方法的分类体系与常用方法
    1.4.2  预测方法选择的影响因素
    本章小结
    思考与练习
第2章  非模型预测方法
  2.1  专家预测法概述
    2.1.1  个人判断法
    2.1.2  专家会议法
    2.1.3  专家意见汇总预测法
    2.1.4  头脑风暴法
    2.1.5  德尔菲法
  2.2  指标预测法与类比法
    2.2.1  指标预测法
    2.2.2  类比法
  2.3  概率预测法
    2.3.1  主观概率法
    2.3.2  交叉影响分析法
    本章小结
    思考与练习
第3章  回归预测方法
  3.1  引言
    3.1.1  相关分析
    3.1.2  回归分析
  3.2  一元线性回归预测方法
    3.2.1  一元线性回归模型
    3.2.2  一元线性回归模型的显著性检验
    3.2.3  一元线性回归预测
  3.3  多元线性回归预测法
    3.3.1  多元线性回归模型
    3.3.2  多元线性回归模型的显著性检验
    3.3.3  多元线性回归预测
    3.3.4  多元线性回归分析中的多重共线性
    3.3.5  多元线性回归分析中的序列相关
  3.4  非线性回归预测
    本章小结
    思考与练习
第4章  确定型时间序列预测方法
  4.1  时间序列与时间序列分析概述
    4.1.1  时间序列的含义
    4.1.2  时间序列分析
    4.1.3  时间序列分析方法的分类
    4.1.4  确定型时间序列预测方法概述
  4.2  移动平均法
    4.2.1  一次移动平均法
    4.2.2  二次移动平均法
  4.3  指数平滑法
    4.3.1  一次指数平滑法
    4.3.2  二次指数平滑法
    4.3.3  讨论
  4.4  季节指数法
  4.5  时间序列分解法
    4.5.1  各因素的确定
    4.5.2  根据分解法进行预测
    4.5.3  对分解法的进一步说明
  4.6  基于SPSS软件的确定型时间序列分析与预测
    本章小结
    思考与练习
第5章  随机型时间序列预测方法
  5.1  随机型时间序列模型
    5.1.1  时间序列
    5.1.2  自回归(AR)模型
    5.1.3  移动平均（MA）模型
    5.1.4  自回归移动平均（ARMA）模型
    5.1.5  求和自回归移动平均(ARIMA)模型
    5.1.6  季节性模型
  5.2  ARMA模型的相关分析
    5.2.1  AR(p)序列的自相关函数
    5.2.2  MA(q)序列的自相关函数
    5.2.3  ARMA(p，q)序列的自相关函数
    5.2.4  偏相关函数
  5.3  模型的识别
    5.3.1  样本自相关函数与样本偏相关函数
    5.3.2  模型识别
  5.4  ARMA模型的参数估计
    5.4.1  矩估计方法
    5.4.2  最小二乘估计
    5.4.3  极大似然估计法
    5.4.4  方法的比较
  5.5  模型的检验与预报
    5.5.1  模型检验
    5.5.2  模型的改进
    5.5.3  模型预报
  5.6  案例5.1分析
    本章小结
    思考与练习
第6章  马尔可夫预测方法
  6.1  马尔可夫分析的基本原理
    6.1.1  马尔可夫链
    6.1.2  状态转移矩阵
    6.1.3  稳态概率矩阵
  6.2  马尔可夫预测的应用
    6.2.1  市场占有率的预测
    6.2.2  期望报酬预测
    本章小结
    思考与练习
第7章  预测精确性与预测评价
  7.1  预测方法的选择
    7.1.1  预测方法最适合的时间范围
    7.1.2  数据模式
    7.1.3  费用
    7.1.4  准确性
    7.1.5  适用性
  7.2  预测的精确性
    7.2.1  准确的预测
    7.2.2  预测的误差
    7.2.3  预测精确性的衡量指标
    7.2.4  预测监控
  7.3  预测结果的分析与评价
    7.3.1  预测模型的评价
    7.3.2  预测结果的分析与反思
    本章小结
    思考与练习
第8章  决策概述
  8.1  决策的概念
  8.2  决策过程与决策分析
    8.2.1  决策过程
    8.2.2  决策分析
  8.3  决策的基本类型
  8.4  决策分析的内容、特点及历史
    8.4.1  决策分析的内容
    8.4.2  决策分析的特点
    8.4.3  决策分析的历史
    本章小结
    思考与练习
第9章  期望效用理论与前景理论
  9.1  期望收益值
    9.1.1  期望收益值准则
    9.1.2  应用期望收益值作为决策准则存在的一些问题
  9.2  行为假设与偏好关系
  9.3  效用函数及其确定
    9.3.1  效用函数的定义
    9.3.2  效用函数的确定
    9.3.3  LA模拟法
  9.4  主观期望效用值理论
    9.4.1  主观概率与客观概率
    9.4.2  主观概率的判断
  9.5  前景理论
    9.5.1  期望理论与实际决策的不一致
    9.5.2  前景理论框架
    本章小结
    思考与练习
第10章  单目标决策分析
  10.1  风险型决策分析
    10.1.1  风险型决策分析的基本思想
    10.1.2  风险型决策问题的数学模型
    10.1.3  风险型决策问题的分析方法
    10.1.4  多级决策问题的分析方法
  10.2  非确定型决策
    10.2.1  悲观准则
    10.2.2  乐观准则
    10.2.3  赫威兹准则
    10.2.4  后悔值准则
    10.2.5  等概率准则
    10.2.6  五种决策准则的比较
  10.3  概率排序型决策
    10.3.1  期望后果值的极值
    10.3.2  利用期望值极值进行决策
    10.3.3  优势条件
    本章小结
    思考与练习
第11章  多目标决策分析
  11.1  基本概念
  11.2  决策方法
    11.2.1  化多目标为单目标的方法
    11.2.2  重排次序法
    11.2.3  分层序列法
  11.3  多目标风险决策分析模型
  11.4  有限个方案多目标决策问题的分析方法
    11.4.1  基本结构
    11.4.2  决策矩阵的规范化
    11.4.3  确定权的方法
  11.5  层次分析法（AHP）
    11.5.1  多级递阶结构
    11.5.2  判断矩阵
    11.5.3  相对重要度及判断矩阵的最大特征值λmax的计算
    11.5.4  相容性判断
    11.5.5  综合重要度的计算
    11.5.6  算例
  11.6  网络分析法（ANP）
    11.6.1  网络结构
    11.6.2  无权重超矩阵与加权超矩阵
    11.6.3  极限超矩阵
    11.6.4  ANP应用软件-超级决策软件（SD）
    11.6.5  算例
    本章小结
    思考与练习
第12章  动态决策分析
  12.1  单阶段决策的表述
    12.2  确定型动态决策
  12.3  马氏型动态决策
    12.3.1  马氏决策过程模型
    12.3.2  最优方程与最优策略
  12.4  应用
    12.4.1  产品定价
    12.4.2  体育比赛
    12.4.3  最优选择
    12.4.4  一个期权执行问题