本书不仅对单变量与多变量时间序列的时域和频域分析提供了一个全面介绍，而且在书中包含了许多单变量和多变量时问序列模型的新进展，如逆自相关函数、扩展样本自相关函数、干预分析及异常值检验、向量自回归移动平均模型、偏滞后自相关矩阵函数、局部过程、状态空间模型、卡尔曼滤波、非季节和季节模型的单位根检验等许多内容。本书结合大量的应用实例说明了时间序列分析方法的应用，极大地方便了读者对这些方法的学习和理解。

第1章概述1
1.1引言1
1.2本书的例子和安排1
第2章基本概念5
2.1随机过程5
2.2自协方差和自相关函数8
2.3偏自相关函数9
2.4白噪声过程12
2.5均值、自协方差和自相关函数的估计13
2.6时间序列过程的移动平均和自回归表示19
2.7线性差分方程21
练习24
第3章平稳时间序列模型27
3.1自回归过程27
3.2移动平均过程39
3.3AR（p）过程和MA（q）过程之间的对偶关系46
3.4自回归移动平均ARMA（p，q）过程48
练习56
第4章非平稳时间序列模型58
4.1均值非平稳59
4.2自回归求和移动平均模型61
4.3方差和自协方差非平稳70
练习73
第5章预报755.1引言75
5.2最小均方误差预报75
5.3预报的计算79
5.4对过去观测值加权平均的ARIMA预报82
5.5更新预报84
5.6最终预报函数85
5.7数值实例87
练习89
第6章模型识别92
6.1模型识别的步骤92
6.2实例94
6.3逆自相关函数107
6.4扩展的样本自相关函数和其他识别方法109
练习114
第7章参数估计、诊断检验和模型选择117
7.1矩方法117
7.2极大似然方法119
7.3非线性估计125
7.4时间序列分析中的普通最小二乘估计129
7.5诊断检验131
7.6有关序列W1至W7的实例132
7.7模型选择准则134
练习136
第8章季节时间序列模型138
8.1基本概念138
8.2传统方法139
8.3季节性ARIMA模型141
8.4实例146
练习158
第9章单位根检验162
9.1引言162
9.2一些有用的极限分布162
9.3AR（1）模型中的单位根检验165
9.4一般模型的单位根检验171
9.5季节时间序列模型的单位根检验180
练习183
第10章干预分析和异常值检验185
10.1干预模型185
10.2干预分析实例188
10.3时间序列的异常值194
10.4异常值分析的实例198
10.5存在异常值时的模型识别199
练习204
第11章傅立叶分析206
11.1一般概念206
11.2正交函数206
11.3有限序列的傅立叶表示209
11.4周期序列的傅立叶表示210
11.5非周期序列的傅立叶表示―――离散时间序列傅立叶变换214
11.6连续时间函数的傅立叶表示220
11.7快速傅立叶变换223
练习225
第12章平稳过程的谱理论228
12.1谱228
12.2一些常用过程的谱235
12.3线性滤波的谱242
12.4混叠245
练习246
第13章谱估计248
13.1周期图分析248
13.2样本谱255
13.3平滑谱258
13.4ARMA谱估计272
练习274
第14章转换函数模型276
14.1单个输入转换函数模型276
14.2互相关函数和转换函数模型279
14.3转换函数模型的结构282
14.4利用转换函数模型预报292
14.5二元频域分析298
14.6互谱和转换函数模型306
14.7多维输入转换函数模型308
练习309
第15章时间序列回归和GARCH模型312
15.1误差具有自相关性的回归312
15.2ARCH和GARCH模型314
15.3GARCH模型的估计318
15.4预报误差方差的计算319
15.5实例320
练习324
第16章向量时间序列模型326
16.1协方差和相关矩阵函数326
16.2向量过程的移动平均和自回归表示328
16.3向量自回归移动平均过程329
16.4非平稳向量自回归移动平均模型340
16.5向量时间序列模型的识别341
16.6模型拟合和预报352
16.7实例354
16.8向量过程的谱性质358
附录16.A多元线性回归模型359
练习362
第17章向量时间序列的深入364
17.1向量过程的单位根和协整364
17.2局部过程和局部过程相关矩阵376
17.3向量ARMA模型的等价表示384
练习390
第18章状态空间模型和卡尔曼滤波393
18.1状态空间表示393
18.2状态空间模型和ARMA模型的关系394
18.3状态空间模型拟合和与典型相关分析399
18.4实例402
18.5卡尔曼滤波及其应用405
附录18.A典型相关408
练习411
第19章长记忆和非线性过程413
19.1长记忆过程与分数差分413
19.2非线性过程417
19.3门限自回归模型421
练习427
第20章时间序列中的聚积和系统抽样428
20.1ARIMA过程的时间聚积428
20.2预报和参数估计的聚积效应438
20.3ARIMA过程的系统抽样443
20.4系统抽样和时间聚积对因果关系的影响445
20.5聚积对线性性和正态性检验的影响450
20.6聚积对单位根检验的影响455
20.7进一步的评论462
练习463
参考文献465附录482
用作例子的时间序列数据482
统计表495
词汇表513