本书从探讨影响预测效果的因素出发，介绍了现代预测常用的图形工具。作者按照传统方法将时间序列划分为趋势、季节效应和周期性，分别探讨了趋势、季节效应和周期性的建模和预测方法，并在全盘考虑趋势、季节效应和周期性的情况下对时间序列进行全面的预测。在此基础上，本书还介绍了基于VAR模型的预测以及波动性的建模和预测，并用专门的章节介绍了预测模型的选择和评价方法。
作为本书的读者，应该掌握初级的数理统计知识和计量经济学知识。本书可作为经济类、管理类的本科高年级学生及研究生的教科书，也可作为科研工作者和实际工作者的重要参考资料。

经济预测基础教程(原书第4版)
(美)弗朗西斯 X. 迪博尔德 (Francis X. Diebold)
宾夕法尼亚大学沃顿商学院　著
杜江 李恒 等译
这是当前经济计量学和预测研究领域的一本流行教材和必备工具书！堪称大师级的作者迪博尔德不但是沃顿商学院著名教授，也是美国经济计量领域进行预测和建模的领军人物。
全书立足于现代数量方法，对时间序列预测进行了系统阐述，同时由浅入深地介绍了现代预测常用的图形工具，并集中在目前应用最广泛的核心方法上。书中虽然有大量数学表达式，但几乎没有涉及艰深的推导过程，具体的计算过程也主要由Eviews软件来实现。值得一提的是，尽管本书运用的是初等数学知识，但它充分揭示了统计学大师博克斯等人在30年前所做工作的重要发展，特别是书中的案例都紧扣与现实经济生活紧密联系的应用领域。
本书适用于本科生和硕士，在商业、金融业、经济领域、公共政策、统计学甚至工程学等众多领域中都有广泛的应用，相信通过对本书的学习，读者对时间序列数据的建模能力能够得到惊人的提升。

从著书者的角度看，许多优秀教材的问世都源于两种动机：一是通过对教材的讲解，要在一代代学生的脑海里留下深刻的记忆，使之难以忘怀；二是弥补现有教材在诸多方面存在的不足，使之完善。我的动机亦是如此。　　
　　目前读者很需要有一本能够简洁明了地介绍现代预测理论的教材。本书正是顺应这一诉求编写的。概括来说，以下几方面的特点使得本书与众不同。首先，尽管本书运用的是初等数学知识，但它充分揭示了博克斯和詹金斯在30年前所做工作的重要发展。除了介绍标准模型的趋势、季节性和周期之外，本书还谈及以下话题：
　　数据挖掘和样本内过度拟合；
　　统计图表和探索性数据分析；
　　模型选择准则；
　　用来诊断结构性变化的递归技术；
　　非线性模型，包括神经网络；
　　状态转换模型；
　　单位根和随机趋势；
　　包含不可观测成分的随机趋势模型的平滑技术；
　　向量自回归模型；
　　协整和误差修正模型；
　　预测性的因果关系；
　　预测评价和组合预测；
　　仿真与基于仿真的方法；
　　波动性的测量、建模和预测。
　　其中，绝大多数相关内容都包含在每章后面的“练习题”中，它们是本书不可分割的一部分。之所以要包含这一部分，是因为可以使教师和学生根据自己的背景知识和兴趣来选择相应的材料进行扩展学习。
　　其次，本书并没打算涵盖所有关于预测的内容。事实上，本书涵盖的范围是有选择性的，主要集中在目前应用最广泛的核心方法上，并且本书的设计使其内容能在一个学期内讲授完。核心部分的内容出现在本书的主体章节中，其余额外附加的用于扩展和深入的内容则包含在“练习题”以及每一章章末的“相关注释”和“补充阅读”中。
　　再次，本书属于应用型教材。它用现实世界中的例子来详细说明计量方法，来类比典型的预测情形。在许多章节中，应用部分是其主体内容。在书中的很多地方，通过这些应用不仅仅是为了说明预测方法的使用，而且还通过描述真实的案例来告诉我们一个重要的事实：预测是有局限性的，即不存在完美的预测！
　　最后，本书不仅讲解了现代建模方法还介绍了对应的预测软件。总的来说，本书主要采用Eviews软件，这款软件能较好地满足预测所需的计算要求。当然，我并不是软件销售商，因此，本书涉及的讨论并不针对特定的软件。老师和学生可以随意选择自己喜欢的软件。
　　对学生而言，本书在众多领域中都有着广泛的应用，包括商业、金融业、经济领域、公共政策、统计学，甚至工程学领域。本书适用于本科生和硕士研究生；唯一需要掌握的预备知识是有关统计学的相关课程，例如线性回归等。为了便于学生对已学知识的复习，第2章从预测的视角对线性回归进行了回顾。本书同样适用于有良好基础的实际应用者，因为他们难以解决的问题往往集中在预测方面（例如，与一般的统计学、计量经济学或时间序列分析相比较而言）。作为基础教材，在本科生的教学中，我已连续多年成功地使用本书，并且它还可以作为其他学科的本科生和研究生课程的背景教材，以及可以作为研究生教育阶段的初级教材。
补充
数据集和Eviews程序
　　本书所选取的数据和Eviews程序，不仅运用于各章节所选取的示例，而且还用于每章末的“练习题”中，它们均可以从本书网站academic.cengage.com/economics/diebold中获得。
网站
　　本书网站的域名是academic.cengage.com/economics/diebold，在这个网站中，提供了包括教师指南在内的教学资源，以及包括数据集、Eviews程序在内的学习资源，此外，还有其他特色资源。
经济学应用
　　经济学应用包括西南代表处的动态网站专题：经济新闻、经济辩论以及经济数据在线，由相关经济主题形成，并可以通过题目或关键词进行搜寻。这些专题易于与课堂结合，学生们通过亲自钻研和分析最新经济热点新闻、经济辩论以及经济数据能够加深对理论概念的理解。此外，这些专题会定期进行更新。
数据库
　　在学校获得数据库访问权后，学生们可以随时随地进入在线数据库，从中获取成千上万的著名期刊全文，诸如《新闻周刊》、《财富》和《国家商业》等。数据库能激发学生们在线搜索的能力，当然，前提是这些文章都是学术性的并且都是可靠的。
致谢
　　对本书的编写，很多人做出了贡献（具体人名略），在此表示衷心的感谢。
　　尽管我已尽力去消除书中的错误，但错误仍然难免。对本书中仍存在的错误和不足，我深表歉意并对此负责。
　　第4版附记本书第4版的主要目的与前几版一样，即对关于预测、预测评价和组合预测的现代实践理论的发展提供了直观的构建方法。在这个框架下，本书中增添了很多改进的地方，主要体现在下面3个方面：
　　（1）加强并扩展了关于概率和统计理论的讨论，将其最大限度地与预测联系起来，并将其单独作为第2章进行阐述。
　　（2）增加了很多新的练习题，注重对章节所讲理论的实际应用，包括检查读者对理论理解程度的练习。
　　（3）对一些材料或案例的重复运用，旨在使学生能够最大程度地理解理论知识，并使教学效果达到最佳。
　　总之，我的目的在于在必要的地方进行增添或删减，尽量避免不必要的修订，希望得到读者关于第4版比前几版更进一步的首肯。

弗朗西斯X.迪博尔德
2006年8月

经济学-计量

这是当前经济计量学和预测研究领域的一本流行教材和必备工具书！堪称大师级的作者迪博尔德不但是沃顿商学院著名教授，也是美国经济计量领域进行预测和建模的领军人物。
全书立足于现代数量方法，对时间序列预测进行了系统阐述，同时也由浅入深地介绍了现代预测常用的图形工具，并集中在目前应用最广泛的核心方法上。书中虽然涉及大量数学表达式，但几乎没有涉及艰深的推导过程，具体的计算过程也是主要由EViews软件来实现。值得一提的是，尽管本书运用的是初等数学知识，但它充分揭示了统计学大师博克斯（GeorgeE.P.Box）等人在30年前所做工作的重要发展，特别在书中的案例都紧扣与现实经济生活紧密联系的应用领域。

本书适用于本科生和硕士，在商业、金融业、经济领域、公共政策、统计学，甚至工程学等众多领域中都有着广泛的应用，相信通过对本书的学习能够使读者对时间序列数据的建模能力得到惊人的提升。

推荐读物：1）33864时间序列分析；2）26846经济决策的概率模型

杜江 李恒 等译：暂无简介

探求未知总是一件令人着迷的事情。预测是一项由来已久的工作，从中国古代的玄门术数、西方早些时候的占星学到现在基于现代数量方法的科学预测，预测对人类的影响长达千年之久。只是，虽然这项工作已经延续了上千年，但人们对其仍旧知之甚少，原因在于预测的结果总有误差伴随。尽管如此，但良好的决策一定是建立在预测基础之上的，用预测来指导决策。虽然预测方法各种各样，但现代预测方法具有广泛的适用性，正如作者在本书第1章中指出，现代预测至少应用于“运营计划与控制；市场营销；经济领域；金融资产管理；金融风险控制；商业和政府机构预算；人口统计；危机控制”等方面。
　　预测是基于历史，立足现在，面向未来的，也就是说，预测是在掌握现有信息的基础上，依照一定的方法与规律对未来的事情进行测算，事先预知事情将要发展的结果。本书立足于现代数量方法，对时间序列预测进行了系统阐述。时间序列预测的主要思想为，采用归纳的方法从已经发生了的历史事件中总结出一定的规律，然后，按照这一规律进行外推。换句话说，时间序列预测是在解释过去的基础上预知未来。值得注意的是，能很好地解释过去，并不意味着能很好地预测未来，这一点可以从“数据挖掘”的预测能力中得到解释。基于现代数量方法的科学预测的重心不在于求解预测结果，而在于尽量缩小预测误差。而贯穿本书的主旨也正是尽量缩小预测误差。为了达到这个目的，本书从探讨影响预测效果的因素出发，介绍了现代预测常用的图形工具。然后，按照传统方法将时间序列划分为趋势、季节效应和周期性，分别探讨了趋势、季节效应和周期性的建模和预测方法。接着，在全盘考虑趋势、季节效应和周期性的情况下对时间序列进行全面预测。而后，在此基础上，介绍了基于VAR模型的预测以及波动性的建模和预测。除此之外，本书还用专门的章节介绍了预测模型的选择和评价方法。
　　总的来说，本书的行文过程是由浅入深、由简单到复杂的。书中虽然有大量数学表达式，但大多数地方仅出于表达的需要，几乎没有涉及艰深的推导过程。具体的计算过程也不必由使用者完成，而是由相应的软件包来实现，在本书中，主要采用Eviews软件。本书提及的案例都紧扣预测的应用领域，例如对零售业销售量、住房开工率、就业率、白酒销量、汇率以及海运量等的预测，都与现实经济生活紧密联系。通过对案例的学习能使读者更深刻地掌握书上讲到的预测方法。值得一提的是本书的练习部分，与传统的练习不同，本书的练习部分不仅给出了对应章节知识点的运用，而且还在对应章节知识点的基础上进行了升华，补充介绍了大量的知识，这样一来，基础较好的读者便能获得更多的启发。
　　作为本书的读者，应该掌握初级的数理统计知识和计量经济学知识，例如普通最小二乘法、多元回归分析、参数显著性检验等。即使没有这方面的基础，只要认真研读本书第2章，然后花少许时间了解一些初级计量经济学的知识，也可以进入对本书的学习。本书可作为经济类、管理类本科高年级学生及研究生的教科书，也可作为科研工作者和实际工作者的重要参考资料。对于学习计量经济学（尤其是涉及时间序列分析的高级计量经济学）的读者来说，通过对本书的学习能够使其对时间序列数据的建模能力得到很大的提升。
　　本书翻译的完成有赖于众多人士的帮助。四川大学经济学院、四川大学公司金融实验室、四川省数量经济学会及其同仁都给予很大的支持。机械工业出版社的王洪波、胡智辉和黄姗姗编辑自始至终悉心指导，付出了艰辛。还需要一提的是，我的家人给予了一如既往的最大支持，特表示深深的感谢。
　　本书的参译人员的具体分工为：前言，杜江；第1章，杜江、刘行；第2章，杜江、雷超；第3章，李恒、张侃；第4章，杜江、黄雯；第5章，杜江、王晨曦；第6章，杜江、唐玉婷；第7章，李恒、王茜；第8章，杜江、李倩；第9章，杜江、唐喻婷、韩旭；第10章，李恒、钟菲菲、易瑾；第11章，杜江、张宸铭、张宏波；第12章，杜江、王晨曦、杨文溥；第13章，李恒、黄志峰、李丹丽；第14章，杜江、易瑾、李倩。杜江、李恒负责修订校对全书，最后的统稿与一字一句的审定由杜江负责完成。
　　翻译工作是译者在领会原著的基础上，换一种语言的表达，因此，在具体翻译过程中，因专业水平和外语能力所限，难免造成理解上的偏颇，导致存在错误之处，由此给读者带来的困惑表示歉意，也敬请广大读者朋友指正。在邮箱地址dujiang@scu.edu.cn中恭候各位读者的批评和斧正，也恭候广大读者的各种建议。

杜江
2011年深秋于四川大学望江校园

译者序
前言
第4版附记
作者简介
第1章　预测：应用、方法、文献以及软件2
　1.1　预测的应用2
　1.2　预测方法：全书概要4
　1.3　参考书目、杂志、软件以及网络信息6
　1.4　展望全书9
　练习题9
　补充阅读11
第2章　用于预测的概率、统计量和回归的简要回顾13
　2.1　本章内容梗概13
　2.2　随机变量、分布和矩13
　2.3　多维随机变量15
　2.4　统计量16
　2.5　回归分析18
　练习题27
　相关注释30
　补充阅读30[
第3章　成功预测需要考虑的六个因素31
　3.1　决策环境和损失函数32
　3.2　预测对象35
　3.3　预测陈述35
　3.4　预测时间跨度38
　3.5　信息集39
　3.6　方法和复杂性，简洁原理和收缩原理40
　3.7　小结40
　练习题41
　相关注释42
　补充阅读43
第4章　预测中的统计图形分析方法46
　4.1　统计图形的作用46
　4.2　简单的作图方法49
　4.3　图形风格的构成要素53
　4.4　应用实例：绘制构成实际GDP的四大组成部分的图形55
　4.5　小结58
　练习题59
　相关注释62
　补充阅读62[
第5章　趋势的建模与预测63
　5.1　趋势建模63
　5.2　趋势模型的估计69
　5.3　趋势预测70
　5.4　利用赤池信息准则和施瓦茨准则选择预测模型71
　5.5　应用：预测零售销售量75
　练习题82
　相关注释85
　补充阅读85[
第6章　季节效应的建模与预测86
　6.1　季节效应的性质与来源86
　6.2　季节效应的建模88
　6.3　预测季节性序列89
　6.4　应用：预测住房开工量90
　练习题93
　相关注释95
　补充阅读95[
第7章　刻画周期96
　7.1　协方差平稳时间序列97
　7.2　白噪声101
　7.3　滞后算子105
　7.4　Wold定理、广义线性过程和有理分布滞后106
　7.5　均值、自相关函数和偏自相关函数的估计和推导108
　7.6　应用：加拿大的就业情况的动态性111
　练习题113
　相关注释115
　补充阅读116[
第8章　周期性建模：MA、AR和ARMA模型117
　8.1　移动平均（MA）模型117
　8.2　自回归（AR）模型123
　8.3　自回归移动平均（ARMA）模型130
　8.4　应用：加拿大就业预测模型的设定与估计131
　练习题139
　相关注释143
　补充阅读144[
第9章　预测周期146
　9.1　最佳预测146
　9.2　移动平均过程的预测147
　9.3　预测的实际操作150
　9.4　预测的链式法则151
　9.5　实例：加拿大就业率的预测154
　练习题157
　相关注释161
　补充阅读162[
第10章　综合分析：带有趋势、季节性和周期性因素的预测模型163
　10.1　综合学过的知识163
　10.2　案例：预测白酒的销售额164
　10.3　诊断和选择预测模型的递归估计过程176
　10.4　白酒销售额的案例（续）180
　练习题182
　相关注释185
　补充阅读186[
第11章　使用回归模型预测187
　11.1　条件预测模型和情景分析187
　11.2　条件预测置信区间参数不确定性的解释188
　11.3　非条件预测模型190
　11.4　分布滞后、多项式分布滞后和有理分布滞后190
　11.5　滞后被解释变量回归、ARMA干扰项回归和传递函数模型191
　11.6　向量自回归194
　11.7　预测性因果关系196
　11.8　脉冲响应函数和方差分解197
　11.9　实例：住房开工量和完工量200
　练习题212
　相关注释216
　补充阅读217[
第12章　预测评价与组合预测219
　12.1　评价单方程预测219
　12.2　评价两个或多个预测结果：比较预测精度222
　12.3　预测包容和预测组合224
　12.4　实例：大西洋东贸易航线的海上运输量228
　练习题237
　相关注释242
　补充阅读243
第13章　单位根、随机趋势、ARIMA预测模型和平滑处理246
　13.1　随机趋势和预测246
　13.2　单位根：估计和检验252
　13.3　实例：日元兑美元汇率的建模与预测258
　13.4　平滑处理266
　13.5　继续日元兑美元汇率的实例271
　练习题272
　相关注释277
　补充阅读278[
第14章　波动性的度量、建模与预测280
　14.1　基本的ARCH过程281
　14.2　GARCH过程283
　14.3　ARCH模型和GARCH模型的扩展287
　14.4　GARCH模型的估计、预测以及诊断289
　14.5　实例：股票市场的波动性291
　练习题297
　相关注释300
　补充阅读301[
参考文献302