時間序列分析︰單變量和多變量方法

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

受中國人民大學出版社的委托，我們翻譯了魏武雄教授編寫的《時間序列分析——單變量和多變量方法》（第二版）一書。該書是針對有合適專業背景和對學科感興趣的研究生和高年級本科生編寫的一本教材。對那些在研究中經常遇到時間序列數據的研究人員來說，本書也是一本非常有價值的參考用書。

對于本書即將出版，我們頗感欣慰。因為目前翻譯出版的有關時間序列分析的書已經不少，我們擔心該書沒有特色，無法奉獻給讀者更多的知識，所以在翻譯過程中付出了巨大的精神。翻譯完成後，感到辛苦沒有白費。

近年來，時間序列已經成為一個相當活躍的領域，出版了很多相關書籍，其中的大部分要麼關注時域分析，要麼關注頻域分析。在這些書中，有些提供的理論背景資料不充分，有些則關于具體應用的介紹太少。而且，大部分書只是關注于單變量時間序列，即使有少量討論多變量時間序列的書，也多局限于理論部分。

本書不僅對單變量與多變量時間序列的時域和頻域分析提供了一個全面的介紹，而且在書中包含了許多單變量和多變量時間序列模型的新進展，如逆自相關函數、擴展樣本自相關函數、干預分析及干預探測、向量自回歸移動平均模型、偏滯後自相關矩陣函數、局部過程、狀態空間模型、卡爾曼濾波、非季節和季節模型的單位根檢驗、向量時間序列模型中協整、局部過程和等價表示、長記憶過程和非線性時間序列模型、聚積問題等許多內容。

本書的難度適當，敘述通俗易懂，並結合大量的應用實例說明時間序列分析方法的應用，極大地方便了讀者對這些方法的學習和理解。當讀者完成本書學習的時候，將會理解怎樣應用統計工具做出數據分析和決策。另外，還會發現所學的許多主題與方法可以用在其他課程里，包括數量經濟以及統計等。本書不僅對在校的學生有用，對于那些已經參加工作、但需要運用統計方法分析問題的讀者來說，也頗有意義。相信該書對在經濟、財政、金融、市場、會計、管理和其他商業管理領域從業的工作者大有裨益。

本書的翻譯由我及中國人民大學統計學院的部分碩士、博士共同完成。具體有︰劉超、賀學超、陳堰平、王旭、童小軍、陳凱。最後由劉超負責全部校對。對于他們所付出的艱辛工作，在此表示深深的感謝。

願本書的出版能夠對時間序列分析方法更廣泛的應用起到積極的推動作用。

易丹輝