时间序列分析——单变量和多变量方法(第二版·经典版)(经济科学译丛)

第1章概 述 1
1．1 引 言 1
1．2 本书的例子和安排 1
第2章 基本概念 5
2．1 随机过程 5
2．2 自协方差和自相关函数 8
2．3 偏自相关函数 9
2．4 白噪声过程 12
2．5 均值、自协方差和自相关函数的估计 13
2．6 时间序列过程的移动平均和自回归表示 19
2．7 线性差分方程 21
练 习 24
第3章 平稳时间序列模型 27
3．1 自回归过程 27
3．2 移动平均过程 39
3．3 AR（p）过程和MA（q）过程之间的对偶关系 46
3．4 自回归移动平均ARMA（p，q）过程 48
练 习 56
第4章非平稳时间序列模型 58
4．1 均值非平稳 59
4．2 自回归求和移动平均模型 61
4．3 方差和自协方差非平稳 70
练 习 73
第5章 预 报 75 5．1 引 言 75
5．2 *小均方误差预报 75
5．3 预报的计算 79
5．4 对过去观测值加权平均的ARIMA预报 82
5．5 更新预报 84
5．6 *终预报函数 85
5．7 数值实例 87
练 习 89
第6章 模型识别 92
6．1 模型识别的步骤 92
6．2 实 例 94
6．3 逆自相关函数 107
6．4 扩展的样本自相关函数和其他识别方法 109
练 习 114
第7章 参数估计、诊断检验和模型选择 117
7．1 矩方法 117
7．2 极大似然方法 119
7．3 非线性估计 125
7．4 时间序列分析中的普通*小二乘估计 129
7．5 诊断检验 131
7．6 有关序列W1至W7的实例 132
7．7 模型选择准则 134
练 习 136
第8章 季节时间序列模型 138
8．1 基本概念 138
8．2 传统方法 139
8．3 季节性ARIMA模型 141
8．4 实 例 146
练 习 158
第9章单位根检验 162
9．1 引 言 162
9．2 一些有用的极限分布 162
9．3 AR（1）模型中的单位根检验 165
9．4 一般模型的单位根检验 171
9．5 季节时间序列模型的单位根检验 180
练 习 183
第10章干预分析和异常值检验 185
10．1 干预模型 185
10．2 干预分析实例 188
10．3 时间序列的异常值 194
10．4 异常值分析的实例 198
10．5 存在异常值时的模型识别 199
练 习 204
第11章傅立叶分析 206
11．1 一般概念 206
11．2 正交函数 206
11．3 有限序列的傅立叶表示 209
11．4 周期序列的傅立叶表示 210
11．5 非周期序列的傅立叶表示―――离散时间序列傅立叶变换 214
11．6 连续时间函数的傅立叶表示 220
11．7 快速傅立叶变换 223
练 习 225
第12章平稳过程的谱理论 228
12．1 谱 228
12．2 一些常用过程的谱 235
12．3 线性滤波的谱 242
12．4 混 叠 245
练 习 246
第13章谱估计 248
13．1 周期图分析 248
13．2 样本谱 255
13．3 平滑谱 258
13．4 ARMA谱估计 272
练 习 274
第14章转换函数模型 276
14．1 单个输入转换函数模型 276
14．2 互相关函数和转换函数模型 279
14．3 转换函数模型的结构 282
14．4 利用转换函数模型预报 292
14．5 二元频域分析 298
14．6 互谱和转换函数模型 306
14．7 多维输入转换函数模型 308
练 习 309
第15章时间序列回归和GARCH模型 312
15．1 误差具有自相关性的回归 312
15．2 ARCH和GARCH模型 314
15．3 GARCH模型的估计 318
15．4 预报误差方差的计算 319
15．5 实 例 320
练 习 324
第16章向量时间序列模型 326
16．1 协方差和相关矩阵函数 326
16．2 向量过程的移动平均和自回归表示 328
16．3 向量自回归移动平均过程 329
16．4 非平稳向量自回归移动平均模型 340
16．5 向量时间序列模型的识别 341
16．6 模型拟合和预报 352
16．7 实 例 354
16．8 向量过程的谱性质 358
附录16．A 多元线性回归模型 359
练 习 362
第17章向量时间序列的深入 364
17．1 向量过程的单位根和协整 364
17．2 局部过程和局部过程相关矩阵 376
17．3 向量ARMA模型的等价表示 384
练 习 390
第18章状态空间模型和卡尔曼滤波 393
18．1 状态空间表示 393
18．2 状态空间模型和ARMA模型的关系 394
18．3 状态空间模型拟合和与典型相关分析 399
18．4 实例 402
18．5 卡尔曼滤波及其应用 405
附录18．A 典型相关 408
练 习 411
第19章长记忆和非线性过程 413
19．1 长记忆过程与分数差分 413
19．2 非线性过程 417
19．3 门限自回归模型 421
练 习 427
第20章时间序列中的聚积和系统抽样 428
20．1 ARIMA过程的时间聚积 428
20．2 预报和参数估计的聚积效应 438
20．3 ARIMA过程的系统抽样 443
20．4 系统抽样和时间聚积对因果关系的影响 445
20．5 聚积对线性性和正态性检验的影响 450
20．6 聚积对单位根检验的影响 455
20．7 进一步的评论 462
练 习 463
参考文献 465 附 录 482
用作例子的时间序列数据 482
统计表 495
词汇表 513