应用时间序列分析

第1章时间序列基础知识

1.1时间序列的基本概念

1.1.1时间序列的数字特征

1.1.2时间序列自协方差和自相关系数的性质

1.2平稳性

1.2.1平稳性的定义

1.2.2平稳时间序列的应用特性

1.3白噪声过程

1.4线性差分方程

1.4.1滞后算子

1.4.2差分算子

1.4.3求解p阶线性差分方程的特征根法

1.4.4求解1阶线性差分方程的特征根法和迭代法

习题及参考答案

参考文献

第2章平稳时间序列模型

2.1ARMA模型的形式

2.1.1ARMA

2.1.1ARMA模型的典型形式

2.1.2ARMA模型的滞后算子多项式表示形式

2.1.3ARMA模型的传递形式和逆转形式

2.1.4格林函数

2.2ARMA模型的平稳性条件

2.2.1AR模型的平稳性条件

2.2.2MA模型的平稳性条件

2.2.3ARMA模型的平稳性条件

2.3MA模型的可逆性条件

2.3.1MA（q）模型的可逆性条件

2.3.2MA（1）模型的可逆性条件

2.3.3MA（2）模型的可逆性条件

2.4ARMA过程的自相关函数和Yule—Walker方程

2.4.1AR（p）过程的自相关函数及其拖尾性

2.4.2MA（q）过程的自相关函数及其截尾性

2.4.3ARMA（p，g）过程的自相关函数及其拖尾性

2.5ARMA过程的偏自相关函数

2.5.1AR（p）过程的偏自相关函数及其截尾性

2.5.2MA（q）过程的偏自相关函数及其拖尾性

2.5.3ARMA（p，g）过程的偏自相关函数及其拖尾性

2.6Box—Jenkins建模方法

2.7ARMA模型的预测

2.7.1最小均方误差预测

2.7.2条件期望

2.7.3预测误差

2.7.4AR（p）过程的预测

2.7.5MA（q）过程的预测

2.7.6ARMA（p，q）过程的预测

2.8实例应用

2.9补充内容

习题及参考答案

参考文献

第3章单位根检验

3.1典型的平稳和非平稳过程

3.1.1零均值平稳过程和随机游走过程

3.1.2非零均值平稳过程和带漂移的随机游走过程

3.1.3趋势平稳过程和趋势非平稳过程

3.2趋势平稳和差分平稳

3.2.1趋势平稳过程

3.2.2差分平稳过程

3.2.3过度差分

3.3单位根检验

3.3.1DF检验

3.3.2ADF检验

3.3.3DF和ADF检验中几个值得注意的问题

3.3.4其他类型的单位根检验

3.4实例应用

3.5补充内容

3.5.1例3—1的相关R语言命令及结果

3.5.2例3—2的相关R语言命令及结果

习题及参考答案

参考文献

第4章趋势和季节性建模

4.1确定性趋势建模

4.2随机趋势建模

4.3季节性建模

4.4补充内容

4.4.1例4—1的相关R语言命令及结果

4.4.2例4—2的相关R语言命令及结果

习题及参考答案

参考文献

第5章条件异方差模型

5.1异方差的定义

5.2ARCH过程

5.3GARCH过程

5.3.1GARCH（p，q）模型

5.3.2条件方差的预测

5.4GARCH过程的扩展模型

5.4.1GARCH—M模型

5.4.2IGARCH模型

5.4.3EGARCH模型

5.4.4TGARCH模型

5.4.5GARCH类过程特点比较

5.5条件异方差性的诊断检验

5.6实例应用

5.7补充内容

习题及参考答案

参考文献

第6章向量自回归模型

6.1VAR模型的标准形式

6.2VAR模型的平稳性条件

613VAR模型的估计和识别

6.3.1VAR模型的估计

6.3.2VAR模型的识别——2维1阶情况

6.3.3VAR模型的识别——n维1阶情况

6.4脉冲响应函数

6.4.1Cholesky分解下的脉冲响应

6.4.2相关系数对Cholesky分解中变量次序重要性的影响

6.5方差分解

6.6Granger因果关系检验

6.7实例应用

6.8补充内容

习题及参考答案

参考文献

第7章协整和误差修正

7.1协整理论

7.2Engle—Granger协整检验

7.2.1EG协整检验原理

7.2，2EG协整检验实例

7.3Johansen协整检验

7.3.1Johansen协整检验原理

7.3.2向量误差修正模型

7.3.3VECM中的截距项

7.3.4模型滞后阶数的选择

7.3.5Johansen协整检验统计量

7.3.6Johansen协整检验实例

7.4伪回归

7.5补充内容

习题及参考答案

参考文献

附录AEViews软件快速入门

A.1主界面窗口

A.2工作文件

A.3常用对象

A.3.1序列

A.3.2方程

A.3.3组

A.3.4向量自回归

附录B实例数据

附录CR语言函数索引

本书主要介绍了时间序列分析的一些经典和常用分析方法，主要包括ARMA模型、ADF单位根检验、残差自回归模型、ARIMA模型、季节性模型、GARCH类模型、VAR模型、协整和误差修正理论。本书在介绍基本理论的同时，注重厘清在建模实践过程中容易困扰初学者的典型问题。例如在ADF单位根检验过程中如何选择合适的检验模型来进行检验，趋势平稳过程和差分平稳过程的区分以及分别适用于何种建模方法，VAR模型识别过程中变量先后次序的重要性，协整和误差修正模型中何时应加入截距或时间趋势项等。书中针对各种模型，以应用实例的方式介绍了EViews软件中的建模实践过程和注意事项，以帮助初学者掌握时间序列实证分析方法。同时，对每个应用实例还列示了相应的R语言实现命令及其结果，以方便习惯使用R语言的初学者掌握基本的时间序列建模方法。本书可作为经济、统计、管理或金融类本科生或研究生的入门教材，也可作为时间序列分析实际工作者的应用型参考书。

本书可作为经济、统计、管理或金融类本科生或研究生的入门教材，也可作为时间序列分析实际工作者的应用型参考书。