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