第1章 引言及基础知识 


1.1 时间序列分析的发展历史 

1.2 经济时间序列的图形表示 
1.3 滞后算子
1.4 遍历性和平稳性
参考文献
第2章 单变量平稳过程
2.1 自回归过程 
2.1.1 一阶自回归过程 
2.1.2 二阶自回归过程
2.1.3 高阶自回归过程 
2.1.4 偏自相关函数
2.1.5 自回归过程的估计
2.2 移动平均过程
2.2.1 一阶移动平均过程
2.2.2 MA（1）过程与时频归并
2.2.3 高阶移动平均过程
2.3 混合过程
2.3.1 ARMA（1，1）过程
2.3.2 ARMA（p，q）过程
2.4 预测 
2.4.1 最小均方误差（minimal mean squared errors）预测 
2.4.2 ARMA（p，q）过程的预测
2.4.3 预测效果的评价
2.5 计量模型与ARMA过程的关系
参考文献
第3章 格兰杰因果关系
3.1 格兰杰因果性的定义 
3.2 双变量模型中因果关系的刻画 
3.2.1 因果关系的刻画———基于自回归和移动平均过程
3.2.2 因果关系的刻画———基于单变量过程的残差 
3.3 因果关系检验
3.3.1 直接格兰杰方法
3.3.2 Haugh-Pierce检验
3.3.3 Hsiao方法
3.4 因果关系检验在多元模型中的应用
3.4.1 直接格兰杰方法在多变量情形下的应用
3.4.2 在多变量模型中解释双变量因果检验的结果
3.5 结束语
参考文献 
第4章 向量自回归过程 
4.1 VAR系统的表达式
4.2 格兰杰因果性
4.3 脉冲响应分析
4.4 方差分解
4.5 结束语 
参考文献
第5章 非平稳过程
5.1 非平稳性的形式
5.2 趋势去除 
5.3 单位根检验 
5.3.1 Dickey-Fuller检验
5.3.2 增广的Dickey-Fuller检验
5.3.3 Phillips-Perron检验
5.3.4 单位根检验和结构突变 
5.3.5 当原假设为平稳时的检验 
5.4 时间序列的分解
5.5 进一步的扩展
5.5.1 分整（fractional integration）
5.5.2 季节单整 
5.6 经济时间序列中的确定性趋势与随机趋势
参考文献
第6章 协整
6.1 协整过程的定义及性质 
6.2 单方程模型中的协整:表达式、估计及检验 
6.2.1 双变量协整 
6.2.2 多变量协整
6.2.3 静态模型中的协整检验
6.2.4 动态模型中的协整检验
6.3 向量自回归模型中的协整 
6.3.1 向量误差修正表达式 
6.3.2 Johansen方法
6.3.3 向量误差修正模型的分析
6.4 协整与经济理论
参考文献
第7章 非平稳面板数据 
7.1 面板模型的几个相关问题
7.1.1 遗漏变量偏差
7.1.2 估计和检验 
7.1.3 混合的面板证据（mixed panel evidence）
7.2 面板单位根检验 
7.2.1 第一代检验方法
7.2.2 第二代检验方法
7.2.3 平稳性原假设的检验
7.3 显著性的结合
7.3.1 逆正态方法（inverse normal method）
7.3.2 Bonferroni型检验 
7.4 面板协整 
7.4.1 单方程方法
7.4.2 系统方法 
7.5 结束语 
参考文献 

第8章 自回归条件异方差 


8.1 ARCH模型

8.1.1 定义及表达式
8.1.2 无条件矩
8.1.3 时频归并
8.2 广义ARCH模型
8.2.1 GARCH模型
8.2.2 GARCH（1，1）过程 
8.2.3 非线性扩展
8.3 估计和检验  
8.4 多元模型 
8.4.1 VAR型模型
8.4.2 相关模型（correlation models）
8.5 金融市场分析中的ARCH/GARCH模型
参考文献
译后记