第1章 时间序列分析的基本概念

1.1 时间序列分析范式的演进

1.2 时间序列分析基础

1.3 平稳性

1.4 白噪声过程

第2章 自回归移动平均过程

2.1 ARMA过程的性质

2.2 ARMA过程的平稳性和可逆性

2.3 ARMA模型的选择、估计与诊断

第3章 预测理论与应用

3.1 预测基础

3.2 自回归（AR）过程的预测

3.3 区间预测

3.4 移动平均（MA）过程的预测

3.5 ARMA过程的预测

第4章 向量自回归模型

4.1 VAR模型的基本概念

4.2 VAR模型及其设定和估计

4.3 格兰杰因果关系

4.4 VAR模型与脉冲响应函数

4.5 方差分解

4.6 VAR模型的应用

第5章 结构向量自回归模型

5.1 结构向量自回归模型

5.2 结构自回归模型的识别约束问题

5.3 基于SVAR模型的政策分析

第6章 单位根过程

6.1 单位根过程的性质

6.2 单位根检验

6.3 单位根AR过程的估计和检验

第7章 协整与误差校正模型

7.1 伪回归

7.2 协整

7.3 Engle-Granger协整分析方法

7.4 多变量协整与误差校正模型

7.5 Johansen协整检验方法

第8章 一般自回归异方差模型

8.1 金融时间序列的一些共同特征

8.2 ARCH模型

8.3 GARCH模型

8.4 GARCH模型的扩展

8.5 GARCH模型的估计、选择与诊断

8.6 多元GARCH模型

第9章 非线性时间序列模型

9.1 阈值自回归模型

9.2 平滑转移自回归模型

9.3 马尔可夫转换模型

参考文献

后记