第1章 基本统计概念与数据整理
    1.1 正态分布与对数正态分布
    1.2 时间序列数据的折线图
    1.3 描述统计
    1.4 协方差和相关系数
        1.5 季节调整
    1.6 平滑
    1.7 HP 滤波
    1.8 例题与操作
第2章 平稳时间序列数据回归模型
    2.1 经典线性回归模型
    2.2 时间序列数据静态回归模型
    2.3 动态因果效应
    2.4 参数稳定性和结构变化
    2.5 建模策略
    2.6 例题与操作
第3章 平稳线性ARMA 模型
    3.1 随机过程基本概念
    3.2 ARMA 模型与相应平稳随机过程
    3.3 建立线性ARMA 模型
    3.4 预测
    3.5 带ARMA 扰动的回归
    3.6 例题与操作
第4 章 波动率模型
    4.1 波动率模型概述
    4.2 自回归条件异方差模型
    4.3 广义自回归条件异方差模型
    4.4 非对称自回归条件异方差模型
    4.5 ARCH-M 模型
    4.6 风险价值
    4.7 多元自回归条件异方差模型
    4.8 例题与操作
第5章 向量自回归模型
    5.1 向量自回归模型介绍
    5.2 Granger 因果检验
    5.3 脉冲响应函数
    5.4 方差分解
    5.5 结构向量自回归模型
    5.6 例题与操作
第6章 非平稳时间序列和单位根检验
    6.1 平稳随机过程的特点
    6.2 趋势平稳随机过程
    6.3 单位根过程
    6.4 趋势平稳过程与单位根过程的比较
    6.5 单位根检验
    6.6 例题与操作
第7章 协整和误差修正模型
    7.1 伪回归
    7.2 协整基本概念
    7.3 协整检验
    7.4 长期均衡方程与误差修正模型
    7.5 面板协整检验
    7.6 例题与操作
第8章 非线性时间序列模型
    8.1 门限自回归模型
    8.2 平滑变换自回归模型
    8.3 马尔科夫转换模型
    8.4 非线性检验
    8.5 例题与操作
参考文献