时间序列分析

第1章　概述第2章　基本概念第3章 平稳时间序列模型第4章 非平稳时间序列模型第5章　预报第6章　模型识别第7章 参数估计、诊断检验和模型选择第8章 季节性时间序列模型第9章 单位根检验第10章 干预分析和异常值检验第11章 傅立叶分析第12章 平稳过程的谱理论第13章　谱估计第14章 转换函数模型第15章 时间序列回归和GARcH模型

第1章　概述第2章　基本概念第3章 平稳时间序列模型第4章 非平稳时间序列模型第5章　预报第6章　模型识别第7章 参数估计、诊断检验和模型选择第8章 季节性时间序列模型第9章 单位根检验第10章 干预分析和异常值检验第11章 傅立叶分析第12章 平稳过程的谱理论第13章　谱估计第14章 转换函数模型第15章 时间序列回归和GARcH模型第16章 向量时间序列模型第17章 向量时间序列的深入第18章 状态空间模型和卡尔曼滤波第19章 长记忆和非线性过程第20章 时间序列中的聚积和系统抽样参考文献附录人名词汇表

本书不仅对单变量与多变量时间序列的时域和频域分析提供了一个全面介绍，而且在书中包含了许多单变量和多变量时问序列模型的新进展，如逆自相关函数、扩展样本自相关函数、干预分析及干预探测、向量自回归移动平均模型、偏滞后自相关矩阵函数、局部过程、状态空间模型、卡尔曼滤波、非季节和季节模型的单位根检验等许多内容。 本书结合大量的应用实例说明时间序列分析方法的应用，极大地方便了读者对这些方法的学习和理解。

本书不仅对单变量与多变量时间序列的时域和频域分析提供了一个全面介绍，而且在书中包含了许多单变量和多变量时问序列模型的新进展，如逆自相关函数、扩展样本自相关函数、干预分析及干预探测、向量自回归移动平均模型、偏滞后自相关矩阵函数、局部过程、状态空间模型、卡尔曼滤波、非季节和季节模型的单位根检验等许多内容。 本书结合大量的应用实例说明时间序列分析方法的应用，极大地方便了读者对这些方法的学习和理解。