本书以易于理解的方式讲述了时间序列模型及其应用，内容括趋势、平稳时间序列模型、平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。
本书的一大特点是采用R语言来作图和分析数据，书中的所有图表和实证结果都是用R命令得到的。作者还为本书制作了大量新增或增强的-函数，可以从www卜projectorg的7SA程序中找到。此外．每一章的R命令脚本文件，可从www stat uiowa edu／一kchan／TSA.htm下载。
本书的另一特点是含很多有用的附录．例如，回顾了有关期望、方差、协方差、相关系数等概念．筒述了条件期望的性质以及小均方误差预测等内容，这些附录有利于关心技术细节的读者深入了解相关内容．
目录
- 译者序
- 前言
- **章 引论
- 1.1 时间序列举例
- 1.2 建模策略
- 1.3 历史上的时间序列图
- 1.4 本书概述
- 习题
- 第2章 基本概念
- 2.1 时间序列与随机过程
- 2.2 均值、方差和协方差
- 2.3 平稳性
- 2.4 小结
- 习题
- 附录A 期望、方差、协方差和相关系数
- 第3章 趋势
- 3.1 确定性趋势与随机趋势
- 3.2 常数均值的估计
- 3.3 回归方法
- 3.4 回归估计的可靠性和有效性
- 3.5 回归结果的解释
- 3.6 残差分析
- 3.7 小结
- 习题
- 第4章 平稳时间序列模型
- 4.1 一般线性过程
- 4.2 滑动平均过程
- 4.3 自回归过程
- 4.4 自回归滑动平均混合模型
- 4.5 可逆性
- 4.6 小结
- 习题
- 附录B AR(2)过程的平稳域
- 附录C ARMA(p，g)模型的自相关函数
- 第5章 非平稳时间序列模型
- 5.1 通过差分平稳化
- 5.2 ARIMA模型
- 5.3 ARIMA模型中的常数项
- 5.4 其他变换
- 5.5 小结
- 习题
- 附录D 延迟算子
- 第6章 模型识别
- 6.1 样本自相关函数的性质
- 6.2 偏自相关函数和扩展的自相关函数
- 6.3 对一些模拟的时间序列数据的识别
- 6.4 非平稳性
- 6.5 其他识别方法
- 6.6 一些真实时间序列的识别
- 6.7 小结
- 习题
- 第7章 参数估计
- 7.1 矩估计
- 7.2 *小二乘估计
- 7.3 极大似然与无条件*小二乘
- 7.4 估计的性质
- 7.5 参数估计例证
- 7.6 自助法估计ARIMA模型
- 7.7 小结
- 习题
- 第8章 模型诊断
- 8.1 残差分析
- 8.2 过度拟合和参数冗余
- 8.3 小结
- 习题
- 第9章 预测
- 9.1 *小均方误差预测
- 9.2 确定性趋势
- 9.3 ARIMA预测
- 9.4 预测极限
- 9.5 预测的图示
- 9.6 ARIMA预测的*新
- 9.7 预测的权重与指数加权滑动平均
- 9.8 变换序列的预测
- 9.9 某些ARIMA模型预测的总结
- 9.10 小结
- 习题
- 附录E 条件期望
- 附录F *小均方误差预测
- 附录G 截断线性过程
- 附录H 状态空间模型
- **0章 季节模型
- 10.1 季节ARIMA模型
- 10.2 乘法季节ARMA模型
- 10.3 非平稳季节ARIMA模型
- 10.4 模型识别、拟合和检验
- 10.5 季节模型预测
- 10.6 小结
- 习题
- **1章 时间序列回归模型
- 11.1 干预分析
- 11.2 异常值
- 11.3 伪相关
- 11.4 预白化与随机回归
- 11.5 小结
- 习题
- **2章 异方差时间序列模型
- 12.1 金融时间序列的一些共同特征
- 12.2 ARCH(1)模型
- 12.3 GARCH模型
- 12.4 极大似然估计
- 12.5 模型诊断
- 12.6 条件方差非负条件
- 12.7 G.ARCH模型的一些扩展
- 12.8 另一个示例：USD／HKD汇率日数据
- 12.9 小结
- 习题
- 附录I 广义混合检验公式
- **3章 谱分析入门
- 13.1 引言
- 13.2 周期图
- 13.3 谱表示和谱分布
- 13.4 谱密度
- 13.5 ARMA过程的谱密度
- 13.6 样本谱密度的抽样性质
- 13.7 小结
- 习题
- 附录J 余弦与正弦序列的正交性
- **4章 谱估计
- 14.1 平滑谱密度
- 14.2 偏差和方差
- 14.3 带宽
- 14.4 谱置信区间
- 14.5 泄露和锥削
- 14.6 自回归谱估计
- 14.7 模拟数据示例
- 14.8 真实数据示例
- 14.9 其他谱估计法
- 14.10 小结
- 习题
- 附录K 锥削与狄利克雷核
- **5章 门限模型
- 15.1 用图解法探索非线性
- 15.2 非线性检验
- 15.3 多项式模型一般是爆炸性的
- 15.4 一阶门限自回归模型
- 15.5 门限模型
- 15.6 门限非线性的检验
- 15.7 TAR模型的估计
- 15.8 模型诊断
- 15.9 预测
- 15.10 小结
- 习题
- 附录L TAR广义混合检验
- 附录Ⅰ R入门
- 附录Ⅱ 数据集合的说明
- 参考文献
