第一章 总论 1
第一节 季节时间序列的多样性 1
第二节 季节时间序列模型 5
一、季节ARIMA过程 5
二、周期性过程 7
三、非线性季节模型 8
第三节 季节性时间序列理论发展概览 10
一、早期观点 10
二、季节调整理论 11
三、最新观点及研究前沿 12
第二章 季节ARIMA模型 15
第一节 基本概念 15
第二节 季节ARIMA模型的类别 17
一、自回归移动平均乘积性季节模型 18
二、确定性季节时间序列 22
三、季节性单整过程 26
第三节 非平稳性的误设定 31
一、趋势平稳（TS）与差分平稳（DS） 31
二、确定性季节性与季节性单整 37
第四节 季节ARIMA模型的建立与预测 43
一、数据的平稳性检验 43
二、SARMA模型的识别、估计和检验 44
三、预测 47
第五节 案例：美国国际航空公司旅客客票数的乘积模型和组合模型 48
第三章 季节模式的假设检验 53
第一节 确定性季节性的假设检验 53
一、Canova-Hansen检验 53
二、Caner检验 57
三、Tam-Reinsel检验 58
四、一些评论 60
第二节 季节单整的检验 61
一、Dickey-Hasza-Fuller检验 61
二、HEGY检验 63
三、Kunst检验 71
四、Osborn-Chui-Smith-Birchenhall检验 72
五、一些评论 73
第三节 扩展 75
一、附加动态项 75
二、确定项 76
三、高阶非平稳性 78
四、复合检验及显著性水平 79
五、一些实证研究结果 80
第四节 案例：我国进出口总额的季节模式 81
一、平稳季节模式的检验 81
二、季节单位根检验 86
第四章 季节调整技术原理 91
第一节 构成因素的分解 91
第二节 X-12-ARIMA 92
一、X-11程序 93
二、RegARIMA建模与诊断 101
第三节 TRAMO/SEATS程序 104
一、SEATS方法的基本原理 104
二、与X-11的比较 107
第四节 季节调整对单位根检验的影响 108
一、数据生成过程为单位根过程 109
二、数据生成过程为平稳ARMA过程 110
第五节 与其他数据变换的关系 112
第六节 案例 116
案例1：中美进出口总额的季节调整 116
案例2：基于调整和未调整序列的单位根检验 119
第五章 多变量季节模型 121
第一节 单方程季节模型 121
、季节调整对回归效果的影响 122
二、季节虚假回归 125
第二节 季节向量ARIMA模型 131
一、季节向量ARMA的性质 131
二、季节向量ARIMA模型的建立 133
三、扩展 135
第三节 季节协整与误差修正模型 137
一、单一方程季节协整方法 137
二、向量季节协整方法 140
三、扩展 142
第四节 案例：中国进出口贸易的误差修正模型 144
第六章 周期性ARIMA过程 151
第一节 周期性过程的类别和性质 151
一、周期性过程的定义与分类 151
二、PAR过程的性质 155
第二节 非平稳的PAR过程 160
一、PAR过程的单整类型 160
二、PAR过程的单整性检验 163
第三节 周期性协整 170
一、周期性协整的定义 170
二、周期协整的检验 172
第四节 案例：理性预期下生命周期持久收入假说的检验 179
一、REPIH的（季节）检验方法 179
二、中国消费行为的REPIH检验结果 180
第七章 非线性季节模型 183
第一节 季节GARCH模型 183
一、季节GARCH类模型的定义和性质 184
二、检验和估计 187
第二节 随机系数季节自回归过程 189
一、随机系数ARIMA模型的性质 189
二、检验和估计 192
第三节 周期马尔可夫开关模型 195
一、周期马尔可夫开关模型的定义和性质 195
二、估计和检验 199
参考文献 202
附表1 t分布百分位数表 219
附表2 x2分布百分位数表 220
附表3 F分布百分位数表 221
附表4 VM分布百分位数表 222
附表5 DHF分布百分位数表 222
附表6 季节单位根检验临界值表 223
附表7 Kunst分布百分位数表 223
附表8 季节协整检验临界值表 224