时间序列分析

第一章　趋势模型　第一节　趋势模型类型　第二节　模型选择　第三节　参数估计　第四节　模型分析与评价　附录1-A　生命周期曲线拐点　附录1-B　商品生命周期判定第二章　季节模型　第一节　季节性水平模型　第二节　季节性交乘趋向模型　第三节　季节性迭加趋向模型第三章　ARMA模型　第一节　概述　第二节　时序特性的分析　第三节　ARMA模型及其改进

第一章　趋势模型　第一节　趋势模型类型　第二节　模型选择　第三节　参数估计　第四节　模型分析与评价　附录1-A　生命周期曲线拐点　附录1-B　商品生命周期判定第二章　季节模型　第一节　季节性水平模型　第二节　季节性交乘趋向模型　第三节　季节性迭加趋向模型第三章　ARMA模型　第一节　概述　第二节　时序特性的分析　第三节　ARMA模型及其改进　第四节　随机时序模型的建立　第五节　时序模型预测　附录3-A　平稳过程的定义　附录3-B　时间序列自相关系数的公式　附录3-C　偏自相关函数　附录3-D　模型参数的估计　附录3-E　AIC的计算第四章　ARCH类模型　第一节　单位根过程　第二节　ARCH模型的基本形式　第三节　广义ARCH模型　第四节　ARCH模型的拓广形式　附录4-A　零频谱估计　附录4-B　自动窗宽和滞后长度选择　附录4-C　ARCH定义的理解第五章　两序列的协整和误差修正模型　第一节　含虚拟变量的回归模型　第二节　Granger因果检验　第三节　协整含义及检验　第四节　误差修正模型　附录5-A　工具变量和两阶段最小二乘第六章　向量自回归模型　第一节　非结构化VAR模型　第二节　脉冲响应与方差分解　第三节　结构VAR模型　第四节　向量误差修正模型　附录6-A　似无关回归第七章　Panel Data模型　第一节　模型的基本问题　第二节　固定效应模型　第三节　随机效应模型　第四节　单位根检验与协整检验　附录7-A　广义最小二乘　附录7-B　广义矩估计附表1附表2附表3附表4附表5附表6参考文献

事物随时间变化是最常见的现象，也最容易收集数据。按时间顺序记录的一系列数据，即构成时间序列。时间序列分析就是充分利用这些数据，挖掘事物随时间变化规律的方法。《时间序列分析：方法与应用》融合单变量与多变量时间序列分析，通过大量实际数据的处理，说明各种方法的基本原理及其在实际中的应用，特别说明了一些实际应用中需要注意的问题。