譯者序
前 言
第1章 引論1
1.1 時間序列舉例1
1.2 建模策略6
1.3 曆史上的時間序列圖6
1.4 本書概述7
習題7
第2章 基本概念8
2.1 時間序列與隨機過程8
2.2 均值、方差和協方差8
2.3 平穩性11
2.4 小結14
習題14
附錄A 期望、方差、協方差和相關係數18
第3章 趨勢20
3.1 確定性趨勢與隨機趨勢20
3.2 常數均值的估計20
3.3 迴歸方法22
3.4 迴歸估計的可靠性和有效性26
3.5 迴歸結果的解釋29
3.6 殘差分析31
3.7 小結36
習題37
第4章 平穩時間序列模型40
4.1 一般綫性過程40
4.2 滑動平均過程41
4.3 自迴歸過程48
4.4 自迴歸滑動平均混閤模型56
4.5 可逆性57
4.6 小結58
習題58
附錄B AR（2）過程的平穩域61
附錄C ARMA(p,q)模型的自相關函數62
第5章 非平穩時間序列模型63
5.1 通過差分平穩化63
5.2 ARIMA模型66
5.3 ARIMA模型中的常數項70
5.4 其他變換70
5.5 小結73
習題73
附錄D 延遲算子75
第6章 模型識彆77
6.1 樣本自相關函數的性質77
6.2 偏自相關函數和擴展的自相關函數79
6.3 對一些模擬的時間序列數據的識彆83
6.4 非平穩性88
6.5 其他識彆方法92
6.6 一些真實時間序列的識彆94
6.7 小結99
習題99
第7章 參數估計105
7.1 矩估計105
7.2 最小二乘估計108
7.3 極大似然與無條件最小二乘112
7.4 估計的性質113
7.5 參數估計例證115
7.6 自助法估計ARIMA模型118
7.7 小結120
習題120
第8章 模型診斷125
8.1 殘差分析125
8.2 過度擬閤和參數冗餘132
8.3 小結134
習題135
第9章 預測137
9.1 最小均方誤差預測137
9.2 確定性趨勢137
9.3 ARIMA預測138
9.4 預測極限145
9.5 預測的圖示146
9.6 ARIMA預測的更新148
9.7 預測的權重與指數加權滑動平均148
9.8 變換序列的預測149
9.9 某些ARIMA模型預測的總結151
9.10 小結152
習題152
附錄E 條件期望156
附錄F 最小均方誤差預測157
附錄G 截斷綫性過程158
附錄H 狀態空間模型160
第10章 季節模型164
10.1 季節ARIMA模型165
10.2 乘法季節ARMA模型166
10.3 非平穩季節ARIMA模型168
10.4 模型識彆、擬閤和檢驗169
10.5 季節模型預測174
10.6 小結178
習題178
第11章 時間序列迴歸模型180
11.1 乾預分析180
11.2 異常值185
11.3 僞相關188
11.4 預白化與隨機迴歸191
11.5 小結198
習題198
第12章 異方差時間序列模型201
12.1 金融時間序列的一些共同特徵201
12.2 ARCH(1)模型206
12.3 GARCH模型209
12.4 極大似然估計214
12.5 模型診斷217
12.6 條件方差非負條件221
12.7 GARCH模型的一些擴展223
12.8 另一個示例：USD/HKD匯率日數據224
12.9 小結226
習題226
附錄I 廣義混閤檢驗公式228
第13章 譜分析入門229
13.1 引言229
13.2 周期圖231
13.3 譜錶示和譜分布235
13.4 譜密度237
13.5 ARMA過程的譜密度238
13.6 樣本譜密度的抽樣性質243
13.7 小結247
習題247
附錄J 餘弦與正弦序列的正交性250
第14章 譜估計251
14.1 平滑譜密度251
14.2 偏差和方差253
14.3 帶寬254
14.4 譜置信區間254
14.5 泄露和錐削256
14.6 自迴歸譜估計259
14.7 模擬數據示例259
14.8 真實數據示例264
14.9 其他譜估計法268
14.10 小結269
習題269
附錄K 錐削與狄利剋雷核271
第15章 門限模型273
15.1 用圖解法探索非綫性274
15.2 非綫性檢驗278
15.3 多項式模型一般是爆炸性的280
15.4 一階門限自迴歸模型282
15.5 門限模型285
15.6 門限非綫性的檢驗285
15.7 TAR模型的估計287
15.8 模型診斷293
15.9 預測295
15.10 小結298
習題298
附錄L TAR廣義混閤檢驗299
附錄Ⅰ R入門301
附錄Ⅱ 數據集閤的說明339
參考文獻342
· · · · · · (收起)