本书是关于时间序列的基础内容的一本教科书。主要讲授最基本的线性ARIMA模型的建立，具体包括时间序列的基本概念、趋势拟合、ARMA模型的性质、模型的辩识、参数估计、模型诊断、预测、季节模型的建立、动态回归、GARCH模型、谱函数及估计、阈值自回归模型等。另外本书专门就利用R来进行时间序列建模给出了比较详细的介绍。

自1970年George E.P.Box和Gwilym M.Jenkins的奠基性著作《时间序列分析：预报与控制》（Time Series Analysis:Forecasting and Control）问世以来（该书已在Gregory C.Reinsel的加盟下，于1994年出版了第3版），时间序列分析的理论和实践都有了飞速发展，也涌现了一大批时间序列方面的书籍，遗憾的是有些书欠缺实际应用的论述，而另一些书则理论基础薄弱.本书力图同时介绍时间序列的理论与应用，采用自然的方式将两方面内容有机地结合起来，使之能够为范围更广的学生和实践工作者所理解和接受.
　　本书可作为一学期的课程教材，供统计、经济、商科、工程及定量社会科学等专业学生使用，读者需要具备从基本应用统计到多元线性回归等多方面的基础知识.只要读者具备求解类似平方和最小化等问题深度的微积分知识，即可阅读本书.而要深入理解本书部分理论，则需具备基于微积分的统计引论基础.书中附录回顾了有关期望、方差、协方差、相关等概念，并简述了条件期望的性质以及最小均方误差预测等内容.全书采用来自不同专业领域的实际时间序列数据来阐述方法论.本书还包括部分高级内容，教师可酌情选讲.
　　书中所有的图和数值输出均使用R软件得到，该软件可从www.rproject.org上的“The R Project for Statistical Computing”得到.为简明起见，我们对部分数值输出进行了处理.作为一款免费软件，R软件的源代码格式符合自由软件基金会GNU通用公共许可证规定，可以在UNIX平台及Windows、MacOS等类似操作系统上运行.
　　R是一种可用于统计计算和作图的编程语言及环境，可提供广泛的统计（例如，时间序列分析、线性及非线性建模、经典的统计检验）及作图技术，并且具有高度的扩展性.在附录Ⅰ“R入门”中，采用与本书内容相配的方式对R软件进行了介绍.本书作者之一（KungSik Chan）制作了大量可用于本书的新增或增强的R函数，列于附录Ⅰ的最后，并可从R计划网站www.rproject.org上的TSA程序包中找到.我们还为每一章建立了R命令脚本文件，可从本书网站www.stat.uiowa.edu/～kchan/TSA.htm下载.本书中，每一个图表下都给出了R代码；习题所需数据集合均有相关的文件名，例如洛杉矶降雨量的数据文件命名为larain.而如果读者使用的是TSA程序包，则该数据集合是程序包的一部分，可通过R命令data(larain）取得.
　　本书所有数据集合以ASCII码文件的形式放在网站上，并在文件第一行标注了各自名称.书中很多图及计算结果，使用SAS、Splus、Statgraphics、SCA、EViews、RATS、Ox及其他软件也可以得到.
　　本书是1986年PWSKent Publishing（Duxbury Press）出版的Jonathan Cryer所著《时间序列分析》第2版，新版在补充大量最新材料、数据集合和习题的同时，仍然包括所有已为读者熟悉的原版内容.其中既有与原版内容融为一体的若干新论题，如涉及单位根检验、扩展自相关函数、ARIMA模型子集以及自助法等内容，也有时间序列回归模型、异方差时间序列模型、谱分析和门限模型等全新的章节.与基本内容相比，新章节内容的难度水平有某种程度的提高，但我们确信本书所采用的讨论方式易为读者接受，一定会对广泛的读者群学习相关内容有所帮助.虽然涉及非线性时间序列模型的第15章（门限模型）位于本书的最后，但相关内容也可以根据教学需要提前讲授，例如可以在第12章之后讲授.同样，讨论谱分析的第13、14两章内容也可以在第10章之后学习.
　　感谢Springer出版社“统计学丛书”的责任编辑John Kimmel，他在本书长时间的写作过程中给予了作者持续的关注与指导.伦敦经济学院的汤家豪教授、中国台北中央研究院的蔡恒修教授、西北大学的Noelle Samia教授、中国香港大学的李伟强教授和吴启宏教授、奥斯陆大学的Nils Christian Stenseth教授等热心研读过书稿部分章节，Jun Yan教授曾以本版初稿为教材在艾奥瓦大学某班授课，感谢他们对本书提出的宝贵的建设性意见.感谢Samuel Hao帮助整理习题解答和附录Ⅰ两部分内容.这里还要对在不同阶段匿名审阅并帮助改进书稿的审阅者一并致谢.最后，作者之一（Jonathan D.Cryer）也借此机会，向在写作新版第一稿时提供了墨西哥城圣地亚哥俱乐部Casa de Artes舒适写作环境的Dan、Marian和Gene表达诚挚的谢意.

Jonathan D. Cryer
KungSik Chan
2008年1月于艾奥瓦州艾奥瓦城

经管/统计

本书以易于理解的方式讲述了时间序列模型及其应用，内容包括趋势、平稳时间序列模型、非平稳时间序列模型、模型识别、参数估计、模型诊断、预测、季节模型、时间序列回归模型、异方差模型、谱分析入门、谱估计和门限模型。对所有的思想和方法，都用真实数据集和模拟数据集进行了说明。
本书的一大特点是采用R语言来作图和分析数据，书中的所有图表和实证结果都是用R命令得到的。作者还为本书制作了大量新增或增强的R函数，可以从www.r-project.org的TSA程序包中找到。此外，每一章的R命令脚本文件，可从www.stat.uiowa.edu/~kchan/TSA.htm下载。
本书的另一特点是包含很多有用的附录，例如，回顾了有关期望、方差、协方差、相关系数等概念，简述了条件期望的性质以及最小均方误差预测等内容，这些附录有利于关心技术细节的读者深入了解相关内容。

（美）Jonathan D. Cryer　Kung-Sik Chan 著　　　　　　 艾奥瓦大学：Jonathan D. Cryer 美国艾奥瓦大学统计与精算学系退休教授。他是美国统计学会会士，获得过艾奥瓦大学教学奖。除本书外，他还与人合著有《Statistics for Business: Data Analysis and Modeling, Second Edition》、《Minitab Handbook, Fifth Edition》、《Electronic Companion to Statistics》、《Electronic Companion to Business Statistics》等书，并发表了大量学术论文。 Kung-Sik Chan 美国艾奥瓦大学统计与精算学系教授。他是美国统计学会会士、数学统计学会会员，并且是国际统计学会推荐成员。他于1996年获得艾奥瓦大学系专家奖。除本书外，他还与人合著有《Chaos: A Statistical Perspective》一书，并发表了大量学术论文。

潘红宇　等译：暂无简介

时间序列的教材版本众多，其中有的教材侧重理论的讲述，读者需要具备较深厚的数学基础，主要阅读对象是统计类专业的学生；有的教材则注重模型的应用，理论和技术细节不是重点，主要面向经济类专业的学生.　　而由Jonathan D.Cryer和KungSik Chan所著的本书则均衡地介绍了时间序列的理论与应用，使之能满足更多专业方向的学生和研究者的需求.在理论方面，本书给出一般性理论描述的同时，注重通过各种简单特例演绎具体的推导过程，因而清晰地阐释了有关结论，方便读者对理论的理解.在一些章节后面，还通过附录的方式，补充给出了正文里有关结论的数学推导和相关基本概念，为熟悉数学理论的读者提供了深入理解各类方法的素材.在应用方面，本书提供了基于模拟数据和取材广泛的真实数据的丰富例证，通过基于模拟数据的例子使读者深刻认识时间序列的基本性质，而通过基于真实数据的例子使读者体会模型的实际应用效果.
　　本书的另一个特色是，各章都提供了实现所有实证结果的R程序，并在附录Ⅰ里对R语言给出了详细介绍.作为一款免费的软件，R语言可提供广泛的统计和作图技术，并且具有高度扩展性，已为统计学家和计量经济学家广泛使用.另外，很多最新的理论方法的R实现程序还可以很方便地从网络上查找到.通过本教材的学习，读者能够快速掌握R软件的使用方法，利用既有的程序达成研究目的.
　　本书适合一学期的教学安排，内容介绍深入浅出，概念严谨准确，是一本不错的入门教材.
　　本书的翻译工作凝聚了多人的劳动，具体分工如下：潘红宇翻译了第1、2、7、13、14、15章，王玲玲翻译了第3章和第9章，李瑶帆翻译了第4章和第5章，梁丽英翻译了第6章和第8章，关晨翻译了第10章和第11章，闵敏翻译了第12章，秦智鹏翻译了第16章.最后，由潘红宇对全书进行了统稿.
　　由于译者水平有限，译稿中的疏漏在所难免，敬请读者批评指正.

译　者
2010年11月

译者序
前　言
第1章　引论1
　1.1　时间序列举例1
　1.2　建模策略6
　1.3　历史上的时间序列图6
　1.4　本书概述7
　习题7
第2章　基本概念8
　2.1　时间序列与随机过程8
　2.2　均值、方差和协方差8
　2.3　平稳性11
　2.4　小结14
　习题14
　附录A　期望、方差、协方差和相关系数18
第3章　趋势20
　3.1　确定性趋势与随机趋势20
　3.2　常数均值的估计20
　3.3　回归方法22
　3.4　回归估计的可靠性和有效性26
　3.5　回归结果的解释29
　3.6　残差分析31
　3.7　小结36
　习题37
第4章　平稳时间序列模型40
　4.1　一般线性过程40
　4.2　滑动平均过程41
　4.3　自回归过程48
　4.4　自回归滑动平均混合模型56
　4.5　可逆性57
　4.6　小结58
　习题58
　附录B　AR（2）过程的平稳域61
　附录C　ARMA(p,q)模型的自相关函数62
第5章　非平稳时间序列模型63
　5.1　通过差分平稳化63
　5.2　ARIMA模型66
　5.3　ARIMA模型中的常数项70
　5.4　其他变换70
　5.5　小结73
　习题73
　附录D　延迟算子75
第6章　模型识别77
　6.1　样本自相关函数的性质77
　6.2　偏自相关函数和扩展的自相关函数79
　6.3　对一些模拟的时间序列数据的识别83
　6.4　非平稳性88
　6.5　其他识别方法92
　6.6　一些真实时间序列的识别94
　6.7　小结99
　习题99
第7章　参数估计105
　7.1　矩估计105
　7.2　最小二乘估计108
　7.3　极大似然与无条件最小二乘112
　7.4　估计的性质113
　7.5　参数估计例证115
　7.6　自助法估计ARIMA模型118
　7.7　小结120
　习题120
第8章　模型诊断125
　8.1　残差分析125
　8.2　过度拟合和参数冗余132
　8.3　小结134
　习题135
第9章　预测137
　9.1　最小均方误差预测137
　9.2　确定性趋势137
　9.3　ARIMA预测138
　9.4　预测极限145
　9.5　预测的图示146
　9.6　ARIMA预测的更新148
　9.7　预测的权重与指数加权滑动平均148
　9.8　变换序列的预测149
　9.9　某些ARIMA模型预测的总结151
　9.10　小结152
　习题152
　附录E　条件期望156
　附录F　最小均方误差预测157
　附录G　截断线性过程158
　附录H　状态空间模型160
第10章　季节模型164
　10.1　季节ARIMA模型165
　10.2　乘法季节ARMA模型166
　10.3　非平稳季节ARIMA模型168
　10.4　模型识别、拟合和检验169
　10.5　季节模型预测174
　10.6　小结178
　习题178
第11章　时间序列回归模型180
　11.1　干预分析180
　11.2　异常值185
　11.3　伪相关188
　11.4　预白化与随机回归191
　11.5　小结198
　习题198
第12章　异方差时间序列模型201
　12.1　金融时间序列的一些共同特征201
　12.2　ARCH(1)模型206
　12.3　GARCH模型209
　12.4　极大似然估计214
　12.5　模型诊断217
　12.6　条件方差非负条件221
　12.7　GARCH模型的一些扩展223
　12.8　另一个示例：USD/HKD汇率日数据224
　12.9　小结226
　习题226
　附录I　广义混合检验公式228
第13章　谱分析入门229
　13.1　引言229
　13.2　周期图231
　13.3　谱表示和谱分布235
　13.4　谱密度237
　13.5　ARMA过程的谱密度238
　13.6　样本谱密度的抽样性质243
　13.7　小结247
　习题247
　附录J　余弦与正弦序列的正交性250
第14章　谱估计251
　14.1　平滑谱密度251
　14.2　偏差和方差253
　14.3　带宽254
　14.4　谱置信区间254
　14.5　泄露和锥削256
　14.6　自回归谱估计259
　14.7　模拟数据示例259
　14.8　真实数据示例264
　14.9　其他谱估计法268
　14.10　小结269
　习题269
　附录K　锥削与狄利克雷核271
第15章　门限模型273
　15.1　用图解法探索非线性274
　15.2　非线性检验278
　15.3　多项式模型一般是爆炸性的280
　15.4　一阶门限自回归模型282
　15.5　门限模型285
　15.6　门限非线性的检验285
　15.7　TAR模型的估计287
　15.8　模型诊断293
　15.9　预测295
　15.10　小结298
　习题298
　附录L　TAR广义混合检验299
附录Ⅰ　R入门301
附录Ⅱ　数据集合的说明339
参考文献342