第1章 多元线性时间序列 1
1.1 引言 1
1.2 基本概念 4
1.2.1 平稳性 4
1.2.2 线性 4
1.2.3 可逆性 5
1.3 交叉协方差和相关矩阵 6
1.4 样本CCM 7
1.5 零交叉相关性的检验 9
1.6 预测 12
1.7 模型表示 14
1.8 本书的结构 16
1.9 软件 17
练习 17
参考文献 18
第2章 平稳向量自回归时间序列 20
2.1 引言 20
2.2 VAR（1）模型 20
2.2.1 模型结构和格兰杰因果关系 21
2.2.2 传递函数模型的相关性 22
2.2.3 平稳条件 22
2.2.4 可逆性 23
2.2.5 矩方程 23
2.2.6 分量的隐含模型 26
2.2.7 移动平均表达式 26
2.3 VAR（2）模型 27
2.3.1 平稳条件 27
2.3.2 矩方程 28
2.3.3 隐含的边际分量模型 29
2.3.4 移动平均表达式 29
2.4 VAR（p）模型 30
2.4.1 一个VAR（1）表达式 30
2.4.2 平稳条件 31
2.4.3 矩方程 31
2.4.4 隐含的分量模型 32
2.4.5 移动平均表达式 32
2.5 估计 32
2.5.1 最小二乘方法 32
2.5.2 极大似然估计 35
2.5.3 LS估计的极限性质 36
2.5.4 贝叶斯估计 41
2.6 阶选择 45
2.6.1 序列似然比检验 45
2.6.2 信息准则 46
2.7 模型检验 49
2.7.1 残差交叉相关性 49
2.7.2 多元混成统计 52
2.7.3 模型简化 53
2.8 线性约束 59
2.9 预测 60
2.9.1 给定模型的预测 60
2.9.2 估计模型的预测 62
2.10 脉冲响应函数 66
2.10.1 正交新息 68
2.11 预测误差方差分解 71
2.12 证明 72
练习 74
参考文献 76
第3章 向量自回归移动平均时间序列 78
3.1 向量MA模型 78
3.1.1 VMA（1）模型 78
3.1.2 VMA（q）模型的性质 81
3.2 设定VMA阶 83
3.3 VMA模型的估计 84
3.3.1 条件似然估计 84
.3.3.2 精确似然估计 87
3.3.3 初始参数估计 94
3.4 VMA模型预测 94
3.5 VARMA模型 95
3.5.1 可识别性 95
3.5.2 VARMA（1，1）模型 97
3.5.3 VARMA模型的一些性质 99
3.6 VARMA模型的隐含关系 104
3.6.1 格兰杰因果关系 104
3.6.2 脉冲响应函数 105
3.7 VARMA过程的线性变换 105
3.8 VARMA过程的时间聚合 108
3.9 VARMA模型的似然函数 108
3.9.1 条件似然函数 109
3.9.2 精确似然函数 112
3.9.3 解释似然函数 114
3.9.4 似然函数计算 115
3.10 精确似然函数的新息方法 116
3.10.1 块Cholesky分解 117
3.11 极大似然估计的渐近分布 119
3.11.1 线性参数约束 121
3.12 拟合VARMA模型的模型检验 121
3.13 VARMA模型预测 122
3.13.1 预测更新 123
3.14 初次阶识别 123
3.14.1 一致AR估计 124
3.14.2 扩展的交叉相关矩阵 125
3.14.3 汇总双向表 127
3.15 VARMA模型的实证分析 131
3.15.1 个人收入与支出 131
3.15.2 房屋开工率和房贷利率 137
3.16 附录 143
练习 144
参考文献 146
第4章 VARMA模型的结构设定 148
4.1 Kronecker指数方法 148
4.1.1 预测解释 152
4.1.2 VARMA设定 153
4.1.3 一个说明性的例子 154
4.1.4 Echelon形式 156
4.1.5 续例 158
4.2 标量分量方法 158
4.2.1 标量分量模型 158
4.2.2 模型设定与标量分量模型 159
4.2.3 冗余参数 160
4.2.4 VARMA模型设定 161
4.2.5 变换矩阵 162
4.3 阶数设定的统计量 163
4.3.1 降秩检验 164
4.4 求解Kronecker指数 165
4.4.1 应用 166
4.5 求解标量分量模型 169
4.5.1 标量分量模型的含义 169
4.5.2 可交换标量分量模型 171
4.5.3 求解标量分量 173
4.5.4 应用 174
4.6 估计 177
4.6.1 Kronecker指数方法的解释 178
4.6.2 SCM方法的解释 180
4.7 例子 184
4.7.1 SCM方法 185
4.7.2 Kronecker指数方法 190
4.7.3 讨论和比较 194
4.8 附录：典型相关分析 196
练习 198
参考文献 199
第5章 单位根非平稳过程 200
5.1 一元单位根过程 201
5.1.1 动机 201
5.1.2 平稳单位根 202
5.1.3 AR（1）模型 207
5.1.4 AR（p）模型 207
5.1.5 MA（1）模型 208
5.1.6 单位根检验 208
5.1.7 例子 209
5.2 多元单位根过程 210
5.2.1 等价模型表示法 214
5.2.2 单位根VAR过程 215
5.3 伪回归 220
5.4 多元变量指数平滑过程 221
5.5 协整关系 223
5.5.1 一个协整的例子 224
5.5.2 协整性的一些说明 225
5.6 误差修正模型 225
5.7 协整向量的含义 227
5.7.1 确定性项的含义 227
5.7.2 移动平均表示法的含义 228
5.8 协整向量的参数化 229
5.9 协整检验 229
5.9.1 VAR模型 229
5.9.2 确定性项的设定 230
5.9.3 似然比检验小结 231
5.9.4 对VAR模型的协整检验 232
5.9.5 案例 234
5.9.6 VARMA模型的协整检验 237
5.10 误差修正模型的估计 237
5.10.1 VAR模型 237
5.10.2 简化回归模型 240
5.10.3 VARMA模型 241
5.11 应用 242
5.12 讨论 248
5.13 附录 249
练习 250
参考文献 251
第6章 因子模型和其他问题 253
6.1 季节模型 253
6.2 主成分分析 259
6.3 外生变量的运用 263
6.3.1 VARX模型 263
6.3.2 回归模型 268
6.4 缺失值 272
6.4.1 完全缺失 273
6.4.2 部分缺失 275
6.5 因子模型 277
6.5.1 正交因子模型 278
6.5.2 近似因子模型 282
6.5.3 扩散指数模型 284
6.5.4 动态因子模型 287
6.5.5 约束因子模型 288
6.5.6 渐近主成分分析 291
6.6 分类和聚类分析 295
6.6.1 聚类分析 295
6.6.2 贝叶斯估计 296
6.6.3 马尔科夫链蒙特卡洛法 298
练习 301
参考文献 302
第7章 多元波动率模型 305
7.1 条件异方差检验 306
7.1.1 混成检验 306
7.1.2 基于秩的检验 307
7.1.3 模拟 308
7.1.4 应用 310
7.2 多元波动率模型估计 312
7.3 波动率模型的诊断检验 313
7.3.1 Ling和Li统计量 313
7.3.2 Tse统计量 315
7.4 指数加权移动平均 316
7.5 BEKK模型 318
7.5.1 讨论 321
7.6 Cholesky分解和波动率建模 321
7.6.1 波动率建模 323
7.6.2 应用 323
7.7 动态条件相关模型 327
7.7.1 建立DCC模型的过程 328
7.7.2 例子 329
7.8 正交变换 332
7.8.1 Go—GARCH模型 332
7.8.2 动态正交分量 335
7.8.3 DOC存在性检验 337
7.9 基于Copula函数模型 339
7.9.1 Copula函数 340
7.9.2 高斯和t-copula函数 341
7.9.3 多元波动率建模 344
7.10 主波动成分 349
练习 353
参考文献 354
附录A 数学与统计学 357
索引 375