前辅文
 第一章 导论
  第一节 关于时间序列分析
   一、什么是时间序列
   二、时间序列分析的产生与发展
   三、时间序列分析与经济预测
   四、时间序列分析与计量经济学的关系
  第二节 时间序列分析的一些基本概念
   一、随机过程
   二、随机过程的分布及其特征
   三、几种重要的随机过程
   四、随机过程的平稳性
  第三节 时间序列的主要特征
   一、时间序列的相关性
   二、时间序列的平稳性与非平稳性
   三、时间序列的波动聚集性
  第四节 时间序列分析的基本步骤
   一、模型识别
   二、模型估计
   三、模型检验
   四、模型应用
  第五节 时间序列分析软件
  本章小结
  本章主要公式
  思考与练习题
 第二章 平稳时间序列模型及其特征
  第一节 模型类型及其表示
   一、自回归模型
   二、移动平均模型
   三、自回归移动平均模型
  第二节 格林函数和平稳性
   一、ARMA(p,q)的传递形式与格林函数
   二、系统的平稳性
   三、系统的平稳性与稳定性
  第三节 逆函数和可逆性
   一、MA(q)模型的可逆域
   二、MA(q)模型的逆函数
   三、ARMA(p,q)的可逆域与逆函数
   四、格林函数与逆函数之间的关系
  第四节 平稳时间序列的统计特征
   一、自相关函数
   二、偏自相关函数
  第五节 案例分析
  本章小结
  本章主要公式
  思考与练习题
  本章附录
 第三章 平稳时间序列模型的建立
  第一节 模型识别与定阶
   一、自相关函数和偏自相关函数的估计
   二、模型的初步识别
   三、模型的定阶
  第二节 模型参数的估计
   一、模型参数的矩估计
   二、模型参数的最小二乘估计
   三、模型参数的极大似然估计
   四、模型参数的最小平方和估计
  第三节 模型的适应性检验
   一、过拟合检验
   二、残差自相关的χ2检验
  第四节 时间序列建模的方法
   一、Box-Jenkins建模方法
   二、Pandit-Wu建模方法
  第五节 案例分析
  本章小结
  本章主要公式
  思考与练习题
  本章附录
 第四章 平稳时间序列模型预测
  第一节 预测准则
   一、 从几何角度提出预测问题
   二、求解正交投影
   三、最小均方误差预测
  第二节 ARMA模型预测
   一、ARMA模型的最小均方预测
   二、预测的评价标准
   三、静态预测与动态预测
  第三节 案例分析
  本章小结
  本章主要公式
  思考与练习题
  本章附录
 第五章 非平稳时间序列特征、检验及建模
  第一节 非平稳时间序列的特征
   一、非平稳时间序列的概念
   二、非平稳序列的分类
   三、非平稳时间序列的统计特征
  第二节 时间序列非平稳性的常规检验法
   一、数据图示法
   二、基于相关图的平稳性检验法
   三、逆序检验法
   四、游程检验法
  第三节 时间序列非平稳性的单位根检验法
   一、单位根过程
   二、单位根过程检验基础
   三、DF单位根检验法
   四、PP单位根检验法与ADF单位根检验法
   五、其他高效的单位根检验法简介
  第四节 ARIMA模型
  第五节 案例分析
  本章小结
  本章主要公式
  思考与练习题
  本章附录
 第六章 传递函数模型与干预模型
  第一节 传递函数模型的基本概念
   一、模型的形式
   二、脉冲响应函数特征
   三、低阶传递函数的形式
   四、传递函数的稳定性
  第二节 传递函数模型的识别与估计
   一、互相关函数
   二、传递函数模型的估计方法
   三、传递函数模型识别和估计步骤
   四、传递函数模型的检验
  第三节 干预模型
   一、干预模型介绍
   二、干预变量的类型和组合
  第四节 案例分析
  本章小结
  本章主要公式
  思考与练习题
  本章附录
 第七章 季节模型
  第一节 季节性时间序列的呈现
   一、季节性时间序列的表示
   二、季节性时间序列的图示
  第二节 季节性模型
   一、纯随机季节性模型
   二、乘积季节性模型
  第三节 季节性模型的识别
   一、季节性MA模型的自相关函数
   二、季节性AR模型的偏自相关函数
  第四节 季节性时间序列模型的建立和应用
  第五节 X11方法简介
   一、季节调整和时间序列的构成因素
   二、时间序列的组合模型
   三、X-11软件中测度各种成分的方法简介
   四、X-11方法的步骤
   五、X-11在EViews中的实现
   六、季节调整检验和评价季节调整效果的方法
  第六节 案例分析
  本章小结
  本章主要公式
  思考与练习题
  本章附录
 第八章 向量自回归模型
  第一节 平稳的VAR模型
   一、VAR模型的基本概念
   二、VAR(p)过程的协方差函数
  第二节 非限制性向量自回归模型的估计与滞后阶数选择
   一、非限制性VAR模型
   二、非限制性VAR模型估计的理论方法
   三、VAR(p)模型的滞后阶数选择
   四、EViews软件中无约束VAR模型的建立、估计与滞后阶数选择
  第三节 VAR模型的应用
   一、VAR(p)过程的预测
   二、Granger因果检验
   三、脉冲响应函数
  第四节 案例分析
  本章小结
  本章主要公式
  思考与练习题
  本章附录
 第九章 协整与误差校正模型
  第一节 伪回归
   一、“伪回归”现象
   二、非平稳性对回归分析有什么影响
   三、Phillips(1986)对“伪回归”的理论解释
   四、如何防止“伪回归”
  第二节 协整的概念及性质
   一、协整的概念
   二、协整向量的最小二乘估计及性质
  第三节 协整检验
   一、基于回归方程残差的协整检验(EG检验)
   二、协整系统的完全信息最大似然检验(Johansen检验)
  第四节 误差修正模型
   一、动态回归与误差修正模型
   二、协整与误差修正模型：Granger表示定理
   三、估计ECM模型的EG两步法
  本章小结
  本章主要公式
  思考与练习题
  本章附录
 第十章 GARCH模型与波动性建模
  第一节 ARCH模型的概念与性质
   一、条件异方差问题
   二、 ARCH模型
   三、ARCH模型的性质
  第二节 ARCH模型的估计与检验
   一、ARCH模型的估计
   二、ARCH模型的检验
  第三节 GARCH模型
   一、GARCH模型的特征
   二、GARCH模型的估计
   三、GARCH模型的检验
  第四节 ARCH模型的其他推广形式
   一、ARCH-M模型
   二、指数GARCH模型(EGARCH)
   三、非对称GARCH模型(AGARCH)
   四、门限ARCH模型(TARCH)
   五、IGARCH模型
   六、对ARCH模型的简要评价
  第五节 GARCH模型在研究股市波动中的应用
   一、样本数据及其特征
   二、波动的ARCH效应
  第六节 案例分析
   一、如何在EViews中估计ARCH模型
   二、如何在EViews中检验ARCH效应
   三、GARCH模型估计的案例分析
  本章小结
  本章主要公式
  思考与练习题
  本章附录
 第十一章 状态空间模型
  第一节 局部水平模型
   一、预备知识
   二、卡尔曼滤波
   三、向前一步预测误差
   四、状态平滑
   五、参数初始化
   六、参数估计
   七、诊断检验
   八、模拟案例
  第二节 线性高斯状态空间模型
   一、可转换成状态空间模型的时间序列模型
   二、卡尔曼滤波、平滑和预测
  第三节 案例分析
   一、一个数据例子:全球变暖(续)
   二、资本资产定价模型CAPM
   三、该案例的EViews实现过程
  本章小结
  本章主要公式
  思考与练习题
  本章附录