应用时间序列分析(第2版十三五全国统计规划教材)/复旦博学经济学系列

本书着重讨论经典的ARMA模型，同时又对近期新的时间序列模型加以介绍，如ARCH模型族（自回归条件异方差模型）、ECM模型（误差修正模型）和处理高频数据的ACD模型（自回归条件持续期模型）等。教材编写简明，内容通俗，公式表述严谨，既保证了较为完整的统计理论体系，又努力突出实际案例的应用和统计思想的渗透。章后有相关的统计软件知识介绍，以让学生熟练掌握相关统计软件并用于应用时间序列分析。学习本课程的学生需要熟悉概率论与数理统计的基础知识，也要具备微积分和线性代数知识。本书可以作为统计学、数学以及经济学等专业的教材。

王黎明，理学博士，上海财经大学统计与管理学院教授、博士生导师，上海财经大学浙江学院统计系主任，兼任全国工业统计学教学研究会理事、中国现场统计学会资源与环境统计分会常务理事、中国现场统计学会高维数据统计分会常务理事、上海市质量技术应用统计学会副理事长、上海市统计高级职称评审委员会评审专家。

1 时间序列分析概论
1.1 时间序列的定义和例子
1.2 时间序列分析方法简介
1.3 时间序列分析软件
习题1
EViews软件介绍(Ⅰ)
2 时间序列分析的基本概念
2.1 随机过程
2.2 平稳过程的特征及遍历性
2.3 线性差分方程
2.4 时间序列数据的预处理
习题2
EViews软件介绍(Ⅱ)
3 线性平稳时间序列分析
3.1 线性过程
3.2 自回归模型AR(p)
3.3 移动平均模型MA(q)
3.4 自回归移动平均模型ARMA(p，q)
3.5 自相关系数与偏相关系数
习题3
4 非平稳序列和季节序列模型
4.1 均值非平稳
4.2 自回归求和移动平均模型(ARIMA)
4.3 方差和自协方差非平稳
4.4 季节时间序列(SARIMA)模型
习题4
5 时间序列的模型识别
5.1 自相关和偏自相关系数法
5.2 F检验法
5.3 信息准则法
习题5
6 时间序列模型参数的统计推断
6.1 自协方差系数的参数估计
6.2 ARMA(p，q)模型参数的矩估计
6.3 ARMA(p，g)模型参数的极大似然估计
6.4 ARMA(p，q)模型参数的最小二乘估计
6.5 ARMA(p，q)模型的诊断检验
6.6 ARMA(p，q)模型的优化
习题6
EViews软件介绍(Ⅲ)
7 平稳时间序列模型预测
7.1 最小均方误差预测
7.2 对AR模型的预测
7.3 MA模型的预测
7.4 ARMA模型的预测
7.5 预测值的适时修正
习题7
EViews软件介绍(Ⅳ)
8 非平稳和季节时间序列模型分析方法
8.1 ARIMA模型的分析方法
8.2 季节时间序列模型的分析方法
习题8
EViews软件介绍(Ⅴ)
9 非线性时间序列模型
9.1 参数非线性时间序列模型
9.2 条件异方差模型
习题9
EViews软件介绍(Ⅵ)
10 多元时间序列分析
10.1 多元平稳时间序列建模
10.2 虚假回归
10.3 单位根检验
10.4 协整
10.5 误差修正模型
习题10
EViews软件介绍(Ⅶ)
11 (超)高频数据的建模与分析简介
11.1 (超)高频数据的特点
11.2 (超)高频数据与ACD模型
11.3 交易持续期的集聚性
11.4 UHF-GARCH模型
习题11
附录1 数据
附录2 常用分布表
参考文献