本书在延续之前版本“深入浅出、全面细致”优势的基础上，系统阐释金融计量学的知识体系，对全书各个章节的细节描述和数据进行了全面更新。通过阅读本书，读者可以系统学习时间序列分析的相关基础知识，并且运用书中介绍的应用流程对现实问题进行分析和研究。新版教材特色如下：
理论内容完备。新版新增“状态空间模型”等内容，知识体系更加全面。
理论与应用结合。全书内容深入浅出，繁杂的内容以简单浅显的语言形式和生动活泼的图表形式进行解读，特别强调理论内容的实际应用。
软件辅助学习。结合计量软件讲解具体数据处理和回归操作过程，形式新颖，可视化增强。
本书适合作为经济管理类本科生高年级或者研究生层次的教材。对于具有统计学基础知识的学生，本书不失为一本简单易懂的自学参考书。对于经济金融领域的分析师和行业研究人员，特别是从事应用研究工作的相关人员，本书也是一本有益的案头工具书。另外，本书也可以作为学生撰写毕业论文时使用计量方法的应用指南。

第1章 金融计量学初步
1.1 金融计量学的范畴
1.2 金融时间序列数据
1.3 金融计量分析中的基本概念
第2章 金融计量软件介绍
2.1 综合介绍
2.2 EViews使用简介
2.3 GAUSS使用简介
2.4 Stata使用简介
第3章 差分方程、滞后运算与动态模型
3.1 一阶差分方程
3.2 动态乘数与脉冲响应函数
3.3 高阶差分方程
3.4 滞后算子与滞后运算法
第4章 平稳AR模型
4.1 基本概念
4.2 一阶自回归模型：AR（1）
4.3 二阶自回归模型：AR（2）
4.4 p阶自回归模型：AR（p）
第5章 平稳ARMA模型
5.1 移动平均过程
5.2 自回归移动平均过程
5.3 部分自相关函数
5.4 样本自相关与部分自相关函数
5.5 ARMA模型的建立与估计
5.6 实例应用：中国CPI通货膨胀率的AR模型
第6章 序列相关性检验
6.1 Breusch-Godirey LM序列相关性检验
6.2 Durbin-Watson序列相关性检验
6.3 序列相关性检验的基本原理：高斯-牛顿回归方法
6.4 工具变量估计与序列相关性检验
6.5 多维模型的序列相关性问题
第7章 预测理论与应用
7.1 基本概念与预测初步
7.2 基于MA模型的预测
7.3 基于AR模型的预测
7.4 ，预测准确性的度量指标
第8章 非平稳时间序列模型
8.1 确定性趋势模型
8.2 随机趋势模型
8.3 去除趋势的方法
第9章 单位根检验法
9.1 DF检验
9.2 ADF检验
9.3 其他单位根检验法
9.4 各种单位根检验法的应用
第10章 向量自回归（VAR）模型
10.1 VAR模型介绍
10.2 VAR模型的估计与相关检验
10.3 格兰杰因果关系
10.4 VAR模型与脉冲响应分析
10.5 VAR模型与方差分解
第11章 结构向量自回归（SVAR）模型
11.1 SVAR模型初步
11.2 SVAR模型的基本识别方法
11.3 SVAR模型的三种类型
11.4 SVAR模型的估计方法总结
11.5 SVAR与缩减VAR模型的脉冲响应及方差分解比较
第12章 协整与误差修正模型
12.1 协整与误差修正模型的基本定义
12.2 Engle-Granger协整分析方法
12.3 向量ADF模型与协整分析
12.4 向量误差修正模型
12.5 确定性趋势与协整分析
12.6 Johansen协整分析方法
12.7 VECM的估计与统计推断
12.8 Johansen协整分析方法的应用
第13章 ARCH模型与GARCH模型
13.1 背景介绍
13.2 ARCH模型
13.3 GARCH模型
13.4 非对称GARCH模型：TGARCH与EGARCH
13.5 其他GARCH模型
第14章 非线性时间序列模型
14.1 非线性时间序列模型背景介绍
14.2 马尔可夫区制转移模型
14.3 门限模型
14.4 应用
第15章 资产定价模型的设立与估计
15.1 CAPM理论回顾
15.2 CAPM实证检验方法
15.3 多因素资产定价模型
15.4 CAPM应用
第16章 状态空间模型
16.1 基础模型介绍
16.2 状态空间模型举例
16.3 状态空间模型的估计方法
附录 矩阵代数与经典线性回归模型
A.1 矩阵代数
A.2 经典线性回归模型的基本假设
A.3 普通最小二乘估计
参考文献