第一章 导论 1
第一节 引言 1
第二节 实例分析 5
第二章 基本概念 11
第一节 随机过程 11
第二节 平稳时间序列 15
第三节 随机过程的特征描述 26
第四节 时间序列滑动平均和自回归表示 33
第五节 线性差分方程 36
第三章 线性平稳时间序列模型 40
第一节 自回归过程 40
第二节 滑动平均过程 54
第三节 AR(p)和MA(q)过程的两重关系 61
第四节 自回归滑动平均ARMA(p,q)过程 64
第四章 非平稳时序模型和季节时序模型 73
第一节 均值非平稳 74
第二节 自回归求和滑动平均(ARIMA) 76
第三节 方差和自协方差非平稳 86
第四节 季节时间序列模型 89
第五章 模型识别 95
第一节 模型识别步骤 96
第二节 实例分析 100
第三节 推广样本自相关函数和其他识别步骤 116
第六章 参数估计、检验和模型选择 122
第一节 矩方法估计 122
第二节 极大似然法估计 125
第三节 非线性估计 131
第四节 时序分析的最小二乘估计 134
第五节 诊断校验 136
第六节 实列分析 138
第七节 模型选择准则 140
第七章 预测 143
第一节 引言 143
第二节 最小均方误预测 144
第三节 预测的计算 148
第四节 以前观测值加权平均的ARIMA预测 151
第五节 适时修正预测 153
第六节 最后预测函数 154
第七节 实例分析 156
第八章 一元时间序列建模的发展 161
第一节 干预模型 161
第二节 干预分析实例 165
第三节 时间序列中的异常值 170
第四节 异常值分析的实例 176
第一节 单输入传递函数模型 180
第九章 传递函数模型 180
第二节 互相关函数和传递函数模型 184
第三节 构造传递函数模型 187
第四节 传递函数模型的预测 198
第五节 多重输入传递函数模型 205
第十章 向量时间序列分析 208
第一节 协方差和相关矩阵函数 208
第二节 向量过程的滑动平均和自回归表示 210
第三节 向量自回归滑动平均模型 212
第四节 非平稳向量自回归滑动平均模型 224
第五节 向量时间序列模型识别 225
第六节 模型的拟合和预测 237
第七节 实例分析 239
第十一章 状态空间模型和卡尔曼滤波 253
第一节 引言 253
第二节 状态空间和ARMA模型之间的关系 254
第三节 状态空间模型拟合和典型相关分析 260
第四节 实例分析 264
第五节 卡尔曼滤波 269
第十二章 非线性时间序列分析 274
第一节 概述 274
第二节 双线性模型 285
第三节 门限自回归模型 302
第四节 门限自回归滑动平均模型 318
第五节 自回归条件异方差 320
第六节 广义自回归条件方差模型 331
附录 经济时间序列分析常用软件简介 342
参考文献 352