第1章 概念、模型和定义 1
1.1 非线性的定义 1
1.2 非线性的来源 2
1.3 平稳性和非平稳性 3
1.4 可逆性 5
1.5 趋势 7
1.6 季节性 9
1.7 条件分布 10
1.8 Wold表述和Volterra扩展 11
1.9 加法模型 12
1.10 谱分析 13
1.11 混沌 13
第2章 经济理论中的非线性模型 16
2.1 非均衡模型 16
2.2 劳动力市场模型 18
2.3 汇率目标区 21
2.4 生产理论 24
第3章 参数非线性模型 27
3.1 概述 27
3.2 转换回归模型 30
3.3 马尔可夫状态转换回归模型 34
3.4 平滑状态转换回归模型 35
3.5 多项式模型 39
3.6 人工神经网络模型 41
3.7 极大极小模型 43
3.8 非线性移动平均模型 44
3.9 双线性模型 45
3.10 时变参数和状态空间模型 46
3.11 随机系数和波动性模型 47
第4章 非参数方法 49
4.1 引言 49
4.2 自协方差和谱 50
4.3 密度、条件均值和条件方差 52
4.4 非线性过程的相依性测度 54
第5章 参数线性检验 61
5.1 引言 61
5.2 一致的设定偏误检验 62
5.3 拉格朗日乘数或得分检验 64
5.4 局部等价的备择假设 67
5.5 仅在备择假设下可识别的非线性模型 68
5.6 未指定备择模型的线性性检验 77
5.7 运用渐近相对效率比较参数线性检验 79
5.8 使用何种检验 83
第6章 参数恒定性检验 85
6.1 概况 85
6.2 邹氏检验法概述 86
6.3 拉格朗日乘数型检验 89
6.4 基于递归估计的参数检验 97
第7章 非参数的规范检验 104
7.1 引言 104
7.2 非参数线性检验 105
7.3 具体函数形式的检验 113
7.4 滞后项选择 119
7.5 可加性和交互作用的检验 122
7.6 部分线性和半参数模型检验 127
7.7 独立性检验 128
第8章 条件异方差模型 148
8.1 自回归条件异方差模型 149
8.2 广义ARCH模型 149
8.3 指数类GARCH模型 171
8.4 自回归随机波动模型 179
8.5 GARCH均值模型 182
8.6 实现波动率 182
8.7 多元GARCH模型 184
第9章 时变参数和状态空间模型 199
9.1 引言 199
9.2 线性状态空间模型 201
9.3 时变参数模型 202
9.4 非线性状态空间模型 203
9.5 隐马尔可夫链和状态 213
9.6 参数估计 219
第10章 非参数模型 229
10.1 可加模型 229
10.2 相关模型 243
10.3 半参数模型 246
10.4 稳健性和自适应估计 251
第11章 非线性和非平稳模型 253
11.1 长记忆模型 253
11.2 线性单位根模型 258
11.3 向量自回归过程及线性协整 261
11.4 非线性I（1）过程 263
11.5 非线性误差修正模型 266
11.6 有非平稳回归变量的参数非线性回归 269
11.7 非线性协整类下的非参数估计 274
11.8 随机单位根模型 276
第12章 参数非线性模型的估计算法 278
12.1 不用导数的优化法 278
12.2 需要导数的算法 287
12.3 其他方法 292
第13章 基本非参数估计 297
13.1 整度估计 297
13.2 非参数回归估计 302
第14章 非线性模型的预测 311
14.1 引言 311
14.2 参数模型的条件均值预测 312
14.3 非参数模型的预测 318
14.4 预测的精度 320
14.5 非线性模型预测的有用性 322
14.6 预测波动性 326
14.7 非线性模型预测综述 327
第15章 非线性脉冲响应 329
15.1 广义脉冲响应函数 329
15.2 图解表示法 331
第16章 非线性模型的构建 334
16.1 概述 334
16.2 非参数和半参数模型 335
16.3 平滑转换回归模型的构建 337
16.4 构建转换回归模型 373
16.5 构建人工神经网络模型 386
16.6 两个预测的比较 394
第17章 其他专题 401
17.1 数据的加总 401
17.2 季节性 407
17.3 异常值与非线性性 413
参考文献 417
出版说明 418