Chapter 1认识数学及计量经济 1
财金时间数列之非定态（stationarity）波动程度 3
多个总体时间数列之共同趋势（共整合检定） 3
1.1认识数学符号 4
1.1.1数学符号 4
1.1.2希腊字符号 11
1.1.3统计量数 12
1.2矩阵运算 29
1.2.1特徵值及特徵向量 29
1.2.2矩阵公式之运算 31
1.2.3 Excel的矩阵运算 45
1.3时间序列之统计分类 64
1.3.1何谓稳定性（定态） 67
1.3.2经济分析常用的时间数列模型 68
1.3.3时间序列之统计软体 71
1.4认识时间序列软体JMulTi 72
Chapter 2财经及金融之专有名词 77
2.1计量经济之专有名词 78
2.2金融专有名词 112
2.3财经变数 127
2.3.1虚拟变数 129
2.3.2财经变数的变数变换 140
Chapter 3预测用途之回归模型 149
3.1预测 150
3.1.1预测类型 150
3.1.2时间序列分析 151
3.2线性回归vs.时间序列回归 154
3.2.1横断面之线性回归（OLS） 154
3.2.2 JMulTi软体之OLS简单回归 158
3.2.3计量经济之回归模型 161
3.2.4二个时间序列之AR（1）计算 172
3.3 JMulTi预测之回归式的三大残差诊断法：残差之自我相关、JB常态性、ARCH-LM 174
3.3.1 MA（q）、AR（P）参数值之适配性考验 178
3.3.2残差之自我相关检定 179
3.3.3残差之常态性检定 181
3.3.4以ARCH-LM检定ARCH（q）模型 182
Chapter 4时间序列回归MA、AR、ARIMA 185
4.1 ARIMA概念 186
4.1.1 ARIMA（p，d，q） vs.GARCH（p，q） 186
4.1.2 ARIMA建构模型之步骤 187
4.1.3 ARIMA应用领域 188
4.2稳定数列之移动平均模型（MA） 189
4.2.1 MA（1）模型 192
4.2.2 MA（2）模型 195
4.2.3 MA（q）模型 197
4.2.4 JMulTi分析MA（q）模型 199
4.2.5 Eviews函数之指令 210
4.2.6 Eviews分析MA（q）模型 211
4.3稳定数列之自我回归模型（AR） 216
4.3.1 AR（1）模型 219
4.3.2 AR（2）模型 225
4.3.3 JMulTi分析AR（p）模型 229
4.3.4 Eviews分析AR（p）模型 241
4.4定态数列之ARIMA模型 245
4.4.1 ARIMA（p，q）模型之概念 245
4.4.2 JMulTi分析ARIMA（p，d，q）模型 249
4.4.2 JMulTi以ARIMA试探非定态序列 254
4.4.3 Eviews分析ARIMA（p，q）模型 257
4.4.4 JMulTi实例：西德个人所得（income）的预测 261
4.5 JMulTi实作ARIMA预测模型——BDI的预测及走势分析 266
基于ARIMA模型的散装运输运价预测与走势分析 267
Chapter 5单变量ARCH-GARCH、多变量MGARCH 279
5.1单变量ARCH 282
5.1.1时间序列之波动性 283
5.1.2 ARCH-GARCH分析流程 288
5.1.3单变量ARCH模型 291
5.2单变量GARCH模型 297
5.3条件变异数之不对称GARCH模型 302
5.4 JMulTi如可判定GARCH之p及q值？ 307
5.4.1以JMulTi作ARCH（q）或GARCH（p，q）三大残差之检定 308
5.4.2 JMulTi实例：西德DAX股市波动的预测 311
5.5多变量MGARCH 315
5.5.1多变量MGARCH模型 315
5.5.2多变量GARCH（1，1）：BEKK形式 318
5.6用JMulTi判定ARCH（q）或GARCH（p，q）之实例 325
Chapter 6联立回归式：定态之向量自我回归VAR 335
6.1预测之回归模型 337
6.1.1预测之三种回归模型 337
6.1.2 VAR、VECM模型之应用领域 342
6.2预测之向量自我回归模型（VAR） 347
6.2.1二种VAR模型 349
6.2.2 VAR与VECM分析流程 357
6.3 VAR之结构分析 367
6.3.1因果关系检定 368
6.3.2冲击反应分析 371
6.3.3预测误差变异数分解 376
6.4结构性转变检定 382
6.4.1稳定性之Chow检定 384
6.4.2稳定性之CUSUM检定 386
6.4.3门槛自我回归（TAR）模型 388
6.5以JMulTi软体来分析VAR 397
Chapter 7联立回归式：定态之Structural VAR （SVAR） 431
7.1 SVAR模型 432
7.1.1 Structural VAR （SVAR）与VAR之差异比较 435
7.1.2 SVAR模型的建构 437
7.1.3 SVAR AB-模型 439
7.1.4 SVAR Blanchard-Quah模型 444
7.1.5 SVAR实例：外人直接投资、贸易与经济成长——东亚与拉丁美洲之实证 446
7.2以JMulTi软体来分析Structural VAR 450
Chapter 8联立回归式：非定态VECM概念 459
8.1共整合、因果模型VECM 460
8.1.1VECM之应用领域 460
8.1.2共整合检定与长期均衡关系 461
8.2向量误差修正模型（VECM） 463
8.2.1误差修正模型（ECM）与向量误差修正模型（VECM） 463
8.2.2共整合模型 464
8.3 JMulTi之VECM范例练习 470
8.4 VECM范例1：国际利率传递与跟进动态效果 471
8.5 VECM范例2：台湾各都市内部迁移率与住宅市场关系 476
8.6 JMulTi实作VECM：散装运输运价BDI指数之预测 499
散装运输运价BDI指数之预测：VECM回归 499
Chapter 9非线性回归STR、STVR 523
9.1平滑转换回归（STR） 524
9.1.1非线性回归之理论建构及分析 529
9.1.2平滑转换回归（STR） 543
9.1.3 STR模型之线性检定（linearity test） 552
9.1.4 STR、STAR的诊断性分析 555
9.2 JMulTi分析STR之流程 557
9.3平滑转换自我回归（STAR） 566
9.3.1 STAR分析流程 569
9.3.2 STAR模型 570
9.3.3 TV-STAR模型 573
9.3.4 TV-STAR模型的建构 574
9.3.5 STAR与TV-STAR模型的估计及检定 577
9.3.6预测绩效的比较 580
9.4用JMulTi分析SNAR之实例 581
9.5非线性定态检定之应用实例 598
东南亚区域长期购买力平价说之检定 598
Chapter 10单根检定 611
10.1单根检定 612
10.1.1定态性的意义 614
10.1.2常态分配之偏态与峰度 615
10.1.3单根检定法 621
10.1.4单根检定之流程 624
10.1.5单根检定法 626
10.2 EViews软体之单根检定 634
10.3 JMulTi单根检定之实例 642
Chapter 11共整合检定 663
11.1共整合检定 667
11.1.1共整合分析之流程 669
11.1.2三种共整合检定法 670
11.1.3向量误差修正模型（VECM） 679
11.1.4共整合关系应用在价差交易策略 680
11.2 Granger因果关系之检定 681
11.3以JMulTi软体来分析共整合检定 684
参考文献 707