应用时间序列分析PDF电子书下载

第一章 时间序列分析概论 1

1.1 时间序列的定义和例子 1

1.2 时间序列分析方法简介 7

1.3 时间序列分析软件 11

习题一 13

EVIEWS软件简介（Ⅰ） 13

第二章 时间序列分析的基本概念 26

2.1 随机过程 26

2.2 平稳过程的特征及遍历性 28

2.3 线性差分方程 33

2.4 时间序列数据的预处理 36

习题二 42

EVIEWS软件介绍（Ⅱ） 43

第三章 线性平稳时间序列分析 48

3.1 线性过程 48

3.2 自回归过程AR（p） 52

3.3 移动平均过程MA（q） 59

3.4 自回归移动平均过程ARMA（p,q） 60

3.5 自相关系数与偏相关系数 68

习题三 79

第四章 非平稳时间序列和季节序列模型 81

4.1 均值非平稳 82

4.2 自回归求和移动平均模型（ARIMA） 84

4.3 方差和自协方差非平稳 87

4.4 季节时间序列（SARIMA）模型 89

习题四 90

第五章 时间序列的模型识别 92

5.1 自相关和偏自相关系数法 93

5.2　F检验法 99

5.3 信息准则法 101

习题五 107

第六章 时间序列模型参数的统计推断 109

6.1 自协方差系数的参数估计 109

6.2 ARMA（p,q）模型参数的矩估计 112

6.3 ARMA（p,q）模型参数的极大似然估计 118

6.4 ARMA（p,q）模型参数的最小二乘估计 127

6.5 ARMA（p,q）模型的诊断检验 128

6.6 ARMA（p,q）模型的优化 130

习题六 132

EVIEWS软件介绍（Ⅲ） 133

第七章 平稳时间序列模型预测 140

7.1 最小均方误差预测 140

7.2 对AR模型的预测 143

7.3　MA模型的预测 146

7.4 ARMA模型的预测 147

7.5 预测值的适时修正 148

习题七 150

EVIEWS软件介绍（Ⅳ） 151

第八章 非平稳和季节时间序列模型分析方法 156

8.1 ARIMA模型的分析方法 156

8.2 季节时间序列模型的分析方法 167

习题八 177

EVIEWS软件介绍（Ⅴ） 178

第九章 非线性时间序列模型 186

9.1 非线性时间序列模型 186

9.2 条件异方差模型 193

习题九 209

EVIEWS软件介绍（Ⅵ） 210

第十章 多元时间序列分析 220

10.1 多元平稳时间序列建模 220

10.2 虚假回归 226

10.3　单位根检验 227

10.4 协整 237

10.5　误差修正模型 243

习题十 246

EVIEWS软件介绍（Ⅶ） 248

第十一章 （超）高频数据的建模与分析简介 261

11.1 （超）高频数据的特点 262

11.2 （超）高频数据与ACD模型 263

11.3 交易持续期的集聚性 267

11.4 UHF-GARCH模型 268

习题十一 269

附录1　数据 271

附录2　常见分布表 280

参考文献 286