译者序
前言
第1章 引论
1.1 时间序列举例
1.2 建模策略
1.3 历史上的时间序列图
1.4 本书概述
习题

第2章 基本概念
2.1 时间序列与随机过程
2.2 均值、方差和协方差
2.3 平稳性
2.4 小结
习题
附录A 期望、方差、协方差和相关系数

第3章 趋势
3.1 确定性趋势与随机趋势
3.2 常数均值的估计
3.3 回归方法
3.4 回归估计的可靠性和有效性
3.5 回归结果的解释
3.6 残差分析
3.7 小结
习题

第4章 乎稳时间序列模型
4.1 一般线性过程
4.2 滑动乎均过程
4.3 自回归过程
4.4 自回归滑动平均混合模型
4.5 可逆性
4.6 小结
习题
附录B AR(2)过程的平稳域
附录C ARMA(p，g)模型的自相关函数

第5章 平稳时间序列模型
5.1 通过差分平稳化
5.2 ARIMA模型
5.3 ARIMA模型中的常数项
5.4 其他变换
5.5 小结
习题
附录D 延迟算子

第6章 模型识别
6.1 样本自相关函数的性质
6.2 偏白相关函数和扩展的自相关函数
6.3 对一些模拟的时间序列数据的识别
6.4 非平稳性
6.5 其他识别方法
6.6 一些真实时间序列的识别
6.7 小结
习题

第7章 参数估计
7.1 矩估计
7.2 最小二乘估计
7.3 极大似然与五条件最小二乘
7.4 估计的性质一
7.5 参数估计例证
7.6 自助法估计ARIMA模型
7.7 小结
习题

第8章 模型诊断
8.1 残差分析
8.2 过度拟合和参数冗余
8.3 小结
习题

第9章 预测
9.1 最小均方误差预测
9.2 确定性趋势
9.3 ARIMA预测
……
第10章　季节模型
第11章　时间序列回归模型
第12章　异议差时间序列模型
第13章　谱分析入门
第14章　谱估计
第15章　门限模型
参考答案