第1章 差分方程 1
本章学习目标 1
导论 1
1.1 时间序列模型 1
1.2 差分方程及求解方法 5
1.3 迭代法求解方程 7
1.4 备选方法 11
1.5 蛛网模型 14
1.6 解齐次差分方程 17
1.7 求确定性过程的特解 25
1.8 待定系数法 27
1.9 滞后算子 31
1.10 总结 33
习题 34
第2章 平稳时间序列模型 36
本章学习目标 36
2.1 随机差分方程模型 36
2.2 自回归移动平均ARMA模型 38
2.3 平稳性 39
2.4 ARMA（p，q）模型的平稳性限制 42
2.5 自相关函数 46
2.6 偏自相关函数 50
2.7 平稳序列的样本自相关 52
2.8 Box-Jenkins模型筛选方法 59
2.9 预测性质 62
2.10 利率差模型 68
2.11 季节性模型 75
2.12 参数稳定性和结构变化 80
2.13 组合预测 84
2.14 总结 87
习题 88
第3章 波动性建模 93
本章学习目标 93
3.1 定式化的经济时间序列 93
3.2 ARCH和GARCH过程 97
3.3 通货膨胀的ARCH和GARCH估计 103
3.4 GARCH模型的三个例子 105
3.5 风险的GARCH模型 111
3.6 ARCH-M模型 112
3.7 ARCH过程的其他性质 114
3.8 GARCH模型的最大似然估计 119
3.9 其他条件方差模型 121
3.10 估计纽约证券交易所100指数 124
3.11 多元GARCH模型 129
3.12 波动的脉冲响应 133
3.13 总结 135
习题 136
第4章 包含趋势的模型 140
本章学习目标 140
4.1 确定性趋势和随机趋势 140
4.2 去除趋势 146
4.3 单位根与回归残差 151
4.4 蒙特卡洛方法 154
4.5 DF检验 159
4.6 DF检验实例 161
4.7 扩展的DF检验 165
4.8 结构性变化 174
4.9 有效性与确定性回归变量 180
4.10 有效性更好的检验 182
4.11 Panel单位根检验 186
4.12 趋势和单变量分解 189
4.13 总结 195
习题 196
第5章 多方程时间序列模型 199
本章学习目标 199
5.1 干扰分析 200
5.2 传递函数模型 205
5.3 估计传递函数 213
5.4 结构性多元估计的约束 216
5.5 向量自回归（VAR）介绍 219
5.6 估计和识别 223
5.7 脉冲响应函数 227
5.8 假设检验 233
5.9 简单的VAR实例：美国与国际恐怖事件 238
5.10 结构性VAR 241
5.11 结构性分解实例 244
5.12 过度识别系统 248
5.13 Blanchard和Quah分解 251
5.14 实例：分解实际汇率与名义汇率变动 255
5.15 总结 258
习题 259
第6章 协整与误差修正模型 264
本章学习目标 264
6.1 单整变量的线性组合 264
6.2 协整与共同趋势 270
6.3 协整与误差修正模型 271
6.4 协整检验：Engle-Granger检验方法 277
6.5 协整检验：Engle-Granger检验方法演示 280
6.6 协整和购买力平价理论 283
6.7 特征根、秩与协整 286
6.8 假设检验 291
6.9 Johansen协整检验方法 298
6.10 误差修正和ADL检验 301
6.11 三种方法的比较 303
6.12 总结 306
习题 306
第7章 非线性时间序列模型 311
本章学习目标 311
7.1 线性与非线性调整 311
7.2 ARMA模型的简单扩展 313
7.3 非线性检验 316
7.4 门限自回归（TAR）模型 321
7.5 TAR的扩展形式 325
7.6 三个门限模型 330
7.7 平滑转换模型 335
7.8 其他状态转换模型 340
7.9 平滑转换自回归（STAR）模型的估计 343
7.10 一般化的脉冲响应及其预测 346
7.11 单位根与非线性 352
7.12 更多内源性结构阶 355
7.13 总结 361
习题 362