第1章 概述
1.1 引言
1.2 本書的例子和安排
第2章 基本概念
2.1 隨機過程
2.2 自協方差和自相關函數
2.3 偏自相關函數
2.4 白噪聲過程
2.5 均值、自協方差和自相關的估計
2.6 時間序列過程的移動平均和白迴歸錶示
2.7 綫性差分方程
練習
第3章 平穩時間序列模型
3.1 自迴歸過程
3.2 移動平均過程
3.3 AR(p)過程和MA(q)過程之間的對偶關係
3.4 自迴歸移動平均ARMA(p，q)過程
練習
第4章 非平穩時間序列模型
4.1 均值非平穩
4.2 自迴歸求和移動平均模型
4.3 方差和自協方差非平穩
練習
第5章 預報
5.1 引言
5.2 最小均方誤差預報
5.3 預報的計算
5.4 對過去觀測值加權平均的ARIMA預報
5.5 更新預報
5.6 最終預報函數
5.7 數值實例
練習
第6章 模型識彆
6.1 模型識彆的步驟
6.2 實例
6.3 逆自相關函數
6.4 擴展樣本自相關函數和其他識彆方法
練習
第7章 參數估計、診斷檢驗和模型選擇
7.l 矩方法
7.2 極大似然方法
7.3 非綫性估計
7.4 在時間序列分析中的普通最小二乘估計
7.5 診斷檢驗
7.6 有關序列w1至w7的實例
7.7 模型選擇準則
練習
第8章 季節性時間序列模型
8.1 基本概念
8.2 傳統方法
8.3 季節性ARIMA模型
8.4 實例
練習
第9章 單位根檢驗
9.1 引言
9.2 一些有用的極限分布
9.3 AR(1)模型中的單位根檢驗
9.4 一般模型的單位根檢驗
9.5 季節性時間序列模型的單位根檢驗
練習
第10章 乾預分析和異常值檢驗
10.1 乾預模型
10.2 乾預分析實例
10.3 時間序列的異常值
10.4 異常值分析的實例
10.5 存在異常值時的模型識彆
練習
第11章 傅立葉分析
11.1 一般概念
11.2 正交函數
11.3 有限序列的傅立葉錶示
11.4 周期序列的傅立葉錶示
11.5 非周期序列的傅立葉錶示——離散時間序列傅立葉變換
11.6 連續時間函數的傅立葉錶示
11.7 快速傅立葉變換
練習
第12章 平穩過程的譜理論
12.1 譜
12.2 一些常用過程的譜
12.3 綫性濾波的譜
12.4 混疊
練習
第13章 譜估計
13.1 周期圖分析
13.2 樣本譜
13.3 平滑譜
13.4 ARMA譜估計
練習
第14章 轉換函數模型
14.1 單個輸入轉換函數模型
14.2 互相關函數和轉換函數模型
14.3 轉換函數模型的結構
14.4 利用轉換函數模型預報
14.5 二元頻域分析
14.6 互譜和轉換函數模型
14.7 多維輸入轉換函數模型
練習
第15章 時間序列迴歸和GARCH模型
15.1 誤差具有自相關性的迴歸
15.2 ARCH和GARCH模型
15.3 GARCH模型的估計
15.4 預報誤差方差的計算
15.5 實例
練習
第16章 嚮量時間序列模型
16.1 協方差和相關矩陣函數
16.2 嚮量過程的移動平均和自迴歸錶示
16.3 嚮量自迴歸移動平均過程
16.4 非平穩嚮量自迴歸移動平均模型
16.5 嚮量時間序列模型的識彆
16.6 模型擬閤和預報
……
第17章 嚮量時間序列的深入
第18章 狀態空間模型和卡爾曼濾波
第19章 長記憶和非綫性過程
第20章 時間序列中的聚積和係統抽樣
· · · · · · (收起)