第一章 平穩時間序列
1.1 時間序列實例
1.2 隨機過程
1.3 平穩和嚴平穩
1.4 趨勢項和季節項的估計和分離
1.5 平穩過程的自協方差函數
1.6 多元正態分布
1.7 Kolmogorov定理的應用
習題
第二章 Hilbert空間
2.1 內積空間及其性質
2.2 Hilbert空間
2.3 投影定理
2.4 正交集
2.5 R中的投影
2.6 綫性迴歸和一般綫性模型
2.7 均方收斂，條件期望和最 佳綫性預報
2.8 Fourier級數
2.9 Hilbert空間的同構
2.10 L2的完備性
2.11 Fourier級數的補充知識
習題二
第三章 平穩AMAR過程
3.1 因果可逆ARMA過程
3.2 無限階滑動平均過程
3.3 ARMA（p，q）過程自協方差函數的計算
3.4 偏自相關（係數）函數
3.5 自協方差母函數
3.6 常係數綫性齊次差分方程
習題三
第四章 平穩過程的譜錶示
4.1 復值平穩時間序列
4.2 正弦函數綫性組閤的譜分布
4.3 Herglotz定理
4.4 譜密度與ARMA過程
4.5 循環行列式與其特徵值
4.6 上的正交增量過程
4.7 關於正交增量過程的積分
4.8 譜錶示
4.9 反演公式
4.10 時不變綫性濾波器
4.11 逼近的性質
習題四
第五章 平穩過程的預報
5.1 時域中的預報方程
5.2 最 佳綫性預報的遞推計算方法
5.3 ARMA（p，q）過程的遞歸預報
5.4 平穩Gauss過程的預報；預報界
5.5 因果可逆ARMA過程基於錶示的預報
5.6 頻域中的預報
5.7 Wold分解
5.8 Kolrnogorov公式
習題五
第六章 漸近理論
6.1 依概率收斂
6.2 階收斂（r＞0）
6.3 依分布收斂
6.4 中心極限定理和有關結論
習題六
第七章 均值和自協方差函數的估計
7.1 u的估計
7.2 R（·）和p（·）的估計
7.3 漸近分布的推論
習題七
第八章 ARMA模型的估計
8.1 自迴歸過程的Yule—Walker方程和參數估計
8.2 應用Durbin—Levinson算法的自迴歸過程初估計
8.3 滑動平均過程參數的新息估計
8.4 ARMA（p，q）過程的初估計
8.5 關於漸近有效性的附注
8.6 任意零均值Gauss過程的似然函數的遞歸計算
8.7 ARMA過程的極大似然函數和最小二乘估計
8.8 極大似然估計的漸近性質
8.9 因果可逆ARMA過程參數的置信區間
8.10 Yule—Walker估計的漸近性質
8.11 參數估計的漸近正態性
習題八
第九章 利用ARIMA過程建模和預報
9.1 非平穩時間序列的ARIMA模型
9.2 辨識方法
9.3 AIC準則
9.4 診斷檢驗
9.5 ARIMA過程預報
9.6 季節ARIMA模型
習題九
第十章 平穩過程的譜推斷
10.1 周期圖
10.2 隱含周期的存在性檢驗
10.3 周期圖的漸近性質
10.4 平滑周期圖
10.5 關於譜的置信區間
10.6 自迴歸譜估計、極大熵譜估計、滑動平均譜估計和極大似然ARMA譜估計
10.7 快速Fourier變換算法
10.8 ARMA模型係數的最小二乘估計與極大似然估計漸近性的證明
習題十
第十一章 多維時間序列
11.1 多維時間序列的二階性質
11.2 均值和協方差函數的估計
11.3 多維ARMA過程
11.4 二階矩隨機嚮量的最 佳綫性預報
11.5 關於多維ARMA過程的估計
11.6 互譜
11.7 互譜的估計
11.8 多維平穩時間序列的譜錶示
習題十
第十二章 狀態—空間模型和Kalman遞歸式
12.1 狀態—空間模型
12.2 Kalman遞歸式
12.3 帶有缺失觀測值的狀態—空間模型
12.4 可控製性和可觀測性
12.5 遞歸Bayes狀態估計
習題十二
第十三章 進一步的專題
13.1 傳遞函數建模
13.2 長記憶過程
13.3 具有無限方差的綫性過程
13.4 門限模型
習題十三
附錄數據集
參考文獻
中英文詞匯對照
· · · · · · (收起)