第1章概 述 1
1.1 引 言 1
1.2 本書的例子和安排 1
第2章 基本概念 5
2.1 隨機(jī)過程 5
2.2 自協(xié)方差和自相關(guān)函數(shù) 8
2.3 偏自相關(guān)函數(shù) 9
2.4 白噪聲過程 12
2.5 均值、自協(xié)方差和自相關(guān)函數(shù)的估計 13
2.6 時間序列過程的移動平均和自回歸表示 19
2.7 線性差分方程 21
練 習(xí) 24
第3章 平穩(wěn)時間序列模型 27
3.1 自回歸過程 27
3.2 移動平均過程 39
3.3 AR（p）過程和MA（q）過程之間的對偶關(guān)系 46
3.4 自回歸移動平均ARMA（p，q）過程 48
練 習(xí) 56
第4章非平穩(wěn)時間序列模型 58
4.1 均值非平穩(wěn) 59
4.2 自回歸求和移動平均模型 61
4.3 方差和自協(xié)方差非平穩(wěn) 70
練 習(xí) 73
第5章 預(yù) 報 75 5.1 引 言 75
5.2 小均方誤差預(yù)報 75
5.3 預(yù)報的計算 79
5.4 對過去觀測值加權(quán)平均的ARIMA預(yù)報 82
5.5 更新預(yù)報 84
5.6 終預(yù)報函數(shù) 85
5.7 數(shù)值實例 87
練 習(xí) 89
第6章 模型識別 92
6.1 模型識別的步驟 92
6.2 實 例 94
6.3 逆自相關(guān)函數(shù) 107
6.4 擴(kuò)展的樣本自相關(guān)函數(shù)和其他識別方法 109
練 習(xí) 114
第7章 參數(shù)估計、診斷檢驗和模型選擇 117
7.1 矩方法 117
7.2 極大似然方法 119
7.3 非線性估計 125
7.4 時間序列分析中的普通小二乘估計 129
7.5 診斷檢驗 131
7.6 有關(guān)序列W1至W7的實例 132
7.7 模型選擇準(zhǔn)則 134
練 習(xí) 136
第8章 季節(jié)時間序列模型 138
8.1 基本概念 138
8.2 傳統(tǒng)方法 139
8.3 季節(jié)性ARIMA模型 141
8.4 實 例 146
練 習(xí) 158
第9章單位根檢驗 162
9.1 引 言 162
9.2 一些有用的極限分布 162
9.3 AR（1）模型中的單位根檢驗 165
9.4 一般模型的單位根檢驗 171
9.5 季節(jié)時間序列模型的單位根檢驗 180
練 習(xí) 183
第10章干預(yù)分析和異常值檢驗 185
10.1 干預(yù)模型 185
10.2 干預(yù)分析實例 188
10.3 時間序列的異常值 194
10.4 異常值分析的實例 198
10.5 存在異常值時的模型識別 199
練 習(xí) 204
第11章傅立葉分析 206
11.1 一般概念 206
11.2 正交函數(shù) 206
11.3 有限序列的傅立葉表示 209
11.4 周期序列的傅立葉表示 210
11.5 非周期序列的傅立葉表示?D?D?D離散時間序列傅立葉變換 214
11.6 連續(xù)時間函數(shù)的傅立葉表示 220
11.7 快速傅立葉變換 223
練 習(xí) 225
第12章平穩(wěn)過程的譜理論 228
12.1 譜 228
12.2 一些常用過程的譜 235
12.3 線性濾波的譜 242
12.4 混 疊 245
練 習(xí) 246
第13章譜估計 248
13.1 周期圖分析 248
13.2 樣本譜 255
13.3 平滑譜 258
13.4 ARMA譜估計 272
練 習(xí) 274
第14章轉(zhuǎn)換函數(shù)模型 276