第一章 引论

第一节 时间序列

第二节 经济时间序列数据和经济数据的结构

第三节 线性差分方程

第四节 差分方程的滞后算子表示

第五节 时间序列分析软件介绍

第二章 单变量时间序列模型

第一节 自回归模型

第二节 移动平均模型

第三节 自回归移动平均模型

第四节 单整自回归移动平均模型

第五节 ARMA模型的识别

第六节 ARIMA模型的模拟判断及其操作

第三章 单变量平稳时间序列的参数估计

第一节 自回归模型参数的最大似然估计

第二节 MA（q）参数的最大似然估计

第三节 ARMA（p,q）参数的最大似然估计

第四节 参数的其他估计法

第五节 数值最优化方法

第六节 参数估计的计算实现与应用案例分析

第四章 非平稳时间序列中的趋势模型

第一节 线性时间趋势和单整模型

第二节 含确定性时间趋势模型的渐近分布

第三节 一个确定性时间趋势与延伸自回归模型

第四节 白噪声检验

第五节 指数平滑法

第六节 趋势模型的计算实现

第五章 单整过程和单位根检验

第一节 单整过程

第二节 维纳过程

第三节 单位根检验DF统计量的分布

第四节 迪基-富勒检验的扩展

第五节 季节单位根检验

第六节 单位根的其他检验问题

第七节 单位根检验的实现与案例分析

第六章 时间序列建模和预测

第一节 经济时间序列建模

第二节 单变量时间序列的预测原理

第三节 预测实现

第四节 自回归过程的预测

第五节 移动平均过程的预测

第六节 自回归移动平均过程的预测

第七节 EViews中的预测功能与预测实例

第七章 非线性单变量随机模型

第一节 鞅、随机游动和非线性

第二节 随机波动率模型

第三节 自回归条件异方差模型

第四节 ARCH模型的估计与检验

第五节 其他非线性单变量模型简介

第六节 ARCH模型估计实现与上海股票指数的拟合

第八章 向量自回归模型

第一节 向量自回归概述

第二节 向量自回归的自协方差

第三节 向量过程样本均值的特征

第四节 参数的最大似然估计及其渐近分布

第五节 模型的检验

第六节 脉冲响应函数和方差分解

第七节 VAR模型的计算实现与案例分析

第九章 协整系统

第一节 协整的经济学背景

第二节 协整系统及其描述

第三节 协整向量的估计

第四节 协整向量的检验

第五节 向量自回归模型的协整估计和检验

第六节 协整的计算实现与实证分析

附录

参考文献