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 白躁聲過程
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自回歸表示
2.7 線性差分方程
練習
第3章 平穩時間序列模型
3.1 自回歸過程
3.2 移動平均過程
3.3 AR(p)過程和MA(q)過程之間的對偶關系
3.4 自回歸移動平均ARMA(p,q)過程
練習
第4章 非平穩時間序列模型
4.1 均值非平衡
4.2 自回歸求和移動平均模型
4.3 方差和自協方差非平衡
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 數值案例
練習
第6章 模型識別
6.1 模型識別的步驟
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別方法
第7章 參數估計、診斷檢驗和模型選擇
7.1 矩方法
7.2 極大似然方法
7.3 非線性估計
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
第10章 干預分析和異常值檢驗
第11章 傅立葉分析
第12章 平穩過程的譜理論
第13章 譜估計
第14章 轉換函數模型
第15章 時間序列回歸和GARcH模型
第16章 向量時間序列模型
第17章 向量時間序列的深入
第18章 狀態空間模型和卡爾曼濾波
第19章 長記憶和非線性過程
第20章 時間序列中的聚積和系統抽樣
參考文獻
附錄
用作例子的時間序列數據
統計表
人名
詞匯表