目录前言 iii第1 章引言11.1 时间序列的特点11.2 时间序列例子21.3 R 软件入门51.3.1 简介51.3.2 动手81.4 本书的内容91.5 习题10第2 章一元时间序列的基本概念和ARIMA 模型122.1 时间序列的平稳性及相关性度量122.1.1 平稳、自协方差函数和自相关函数132.1.2 差分算子和后移算子152.2 白噪声162.3 随机游走182.4 趋势平稳过程192.5 联合平稳性和互相关函数212.6 一般线性模型212.7 MA 模型232.8 AR 模型262.9 ARMA 模型312.10 ARIMA 模型372.11 季节模型382.12 习题39第3 章一元时间序列数据的拟合及预测: ARIMA 及其他模型443.1 拟合及预测的基本目的与预测精度的度量443.2 对序列自相关的混成检验463.3 ARIMA 模型的估计和预测463.3.1 ARMA 模型的最大似然估计463.3.2 ARMA 模型的矩估计方法473.3.3 ARMA 模型预测的基本数学原理483.4 简单指数平滑553.5 Holt-Winters 滤波预测方法613.6 指数平滑模型的一些术语和符号633.7 时间序列季节性分解的LOESS 方法663.7.1 LOESS 方法简介663.7.2 利用LOESS 做时间序列的季节分解673.8 回归用于时间序列733.9 时间序列的交叉验证763.9.1 交叉验证: 利用固定长度时间段的训练集来预测固定长度的未来773.9.2 交叉验证: 利用逐渐增加长度的训练集来预测固定长度的未来803.10 更多的一元时间序列数据实例分析833.10.1 例1.4 有效联邦基金利率例子833.10.2 澳洲Darwin 自1882 年以来月度海平面气压指数例子883.10.3 中国12 个机场旅客人数例子963.10.4 例1.2 Auckland 降水序列例子1023.11 习题109第4 章状态空间模型和Kalman 滤波简介1114.1 动机1114.2 结构时间序列模型1124.2.1 局部水平模型1134.2.2 局部线性趋势模型1134.2.3 季节效应1144.3 一般状态空间模型1144.3.1 使用R 程序包解状态空间模型的要点1164.3.2 随时间变化系数的回归1164.3.3 结构时间序列的一般状态空间模型表示1174.3.4 ARMA 模型的状态空间模型形式1194.4 Kalman 滤波123第5 章单位根检验1345.1 单整和单位根1345.2 单位根检验1385.2.1 DF 检验、ADF 检验以及PP 检验1395.2.2 KPSS 检验144第6 章长期记忆过程: ARFIMA 模型1476.1 介于I(0) 及I(1) 之间的长期记忆序列1476.2 ARFIMA 过程1496.3 参数d 的估计1516.3.1 参数d 的估计: 平稳序列情况1516.3.2 参数d的估计: 非平稳ARFIMA(p; d; q) 情况1536.4 ARFIMA 模型拟合例3.2 尼罗河流量数据153第7 章GARCH 模型1567.1 时间序列的波动1577.2 模型的描述1607.2.1 ARCH 模型1607.2.2 GARCH 模型1617.3 数据的拟合1627.3.1 例1.1 美国工业生产增长指数数据的拟合1627.3.2 例7.1 数据的拟合1657.4 GARCH 模型的延伸1677.4.1 一组GARCH 模型1687.4.2 FGARCH 模型族1707.4.3 ARFIMA-GARCH 模型族拟合例7.1 数据171第8 章多元时间序列的基本概念及数据分析1768.1 平稳性1778.2 交叉协方差矩阵和相关矩阵1788.3 一般线性模型1798.4 VARMA 模型1808.5 协整模型和Granger 因果检验1838.5.1 VECM 和协整1838.5.2 协整检验1888.5.3 Granger 因果检验1938.6 多元时间序列案例分析1968.6.1 加拿大宏观经济数据1968.6.2 例8.2 加拿大宏观经济数据的协整检验和Granger 因果检验1978.6.3 用VAR(2) 模型拟合例8.2 加拿大宏观经济数据并做预测1998.6.4 用VARX 模型拟合例8.2 加拿大宏观经济数据并做预测2028.6.5 用状态空间VARX 模型拟合例8.2 加拿大宏观经济数据2048.7 习题207第9 章非线性时间序列2089.1 非线性时间序列例子2089.2 线性AR 模型2119.3 自门限自回归模型2129.3.1 一个门限参数的模型2139.3.2 两个门限参数的模型2149.3.3 Hansen 检验2169.4 Logistic 平滑过渡自回归模型2179.5 神经网络模型2199.6 可加AR 模型2219.7 模型的比较2219.8 门限协整2229.8.1 向量误差修正模型2229.8.2 向量误差修正模型的估计2239.8.3 关于向量误差修正模型的Hansen 检验225第10 章谱分析简介22810.1 周期性时间序列22810.2 谱密度23210.3 谱分布函数23410.4 自相关母函数和谱密度23510.5 时不变线性滤波器23910.6 谱估计24210.6.1 通过样本自协方差函数估计谱密度24310.6.2 通过周期图估计谱密度24310.6.3 非参数谱密度估计24610.6.4 参数谱密度估计249附录使用R 软件练习251参考文献260