本书旨在介绍时间序列分析的基本概念、原理及模型，涵盖了时间序列分析中最基本的线性模型及非线性模型。本书每一章最后一节案例分析中，使用Python作为数据分析软件并给出相关代码。本书特色之一在于采用模型、数据双向分析：第一，从模型出发，模拟过程。通过对模拟数据的直观分析，反射出模型的理论属性；第二，从数据出发，拟合模型。通过对实际数据的分析，从多角度挖掘数据信息，拟合经验模型。全书共有七章，可作为一个学期的课程教材，供高等院校统计学专业本科生和研究生使用，也可作为财经类院校非统计专业学生学习时间序列的教材或参考书。

主编王春宁，毕业于兰州大学，理学硕士，任教于兰州财经大学统计学院。主要从事应用数理统计方向的教学与研究。曾系统讲授《概率论》《数理统计》《探索性数据分析》《时间序列分析》《贝叶斯统计》《最优化方法》等多门本科专业课程。 副主编赵煜，毕业于兰州大学，理学博士，任教于兰州财经大学统计学院。主要从事应用数理统计方向的教学与研究。曾系统讲授《概率论》《数理统计》《随机过程》《非参数统计》《贝叶斯统计》《时间序列分析》等多门本、硕专业课程。

第1章 时间序列分析概论
1.1　时间序列
1.2　时间序列分析
1.3　时间序列分析的基本概念
1.4　时间序列分析的一般步骤
1.5　时间序列分析软件——Python简介
1.6　习题

第2章　平稳时间序列模型
2.1　自回归模型
2.2　移动平均模型
2.3　自回归移动平均模型
2.4　平稳时间序列模型的特征
2.5　平稳时间序列模型的建立
2.6　Pandit?Wu建模方法
2.7　案例分析
2.8　习题

第3章　非平稳时间序列模型
3.1　非平稳时间序列
3.2　无季节效应的非平稳时间序列模型
3.3　ARIMA模型的建立
3.4　有季节效应的非平稳时间序列模型
3.5　季节ARIMA模型的建立
3.6　案例分析
3.7　习题

第4章　时间序列的预测
4.1　最小均方误差预测
4.2　平稳时间序列的预测
4.3　非平稳时间序列的预测
4.4　案例分析
4.5　习题

第5章　多元时间序列分析
5.1　向量平稳时间序列
5.2　VAR(p)模型
5.3　传递函数模型
5.4　协整与误差修正模型
5.5　案例分析
5.6　习题

第6章　条件异方差模型
6.1　条件期望与无条件期望
6.2　ARCH模型
6.3　GARCH模型
6.4　GARCH模型的建立
6.5　GARCH类模型的扩展
6.6　案例分析
6.7　习题

第7章　门限自回归模型
7.1　门限自回归模型
7.2　门限自回归模型的建立
7.3　门限自回归模型的扩展形式
7.4　案例分析
7.5　习题

参考文献

附录 245