题目：时间序列分析讲义

麻省理工学院，Guido M.Kuersteiner

*大小：上传文件的大小3.27M，多个PDF不知道总共有多少页。
*格式：PDF格式

Contents

第一讲 引言
      本课主要在于为分析依次连续观察到的数据提供必要的工具。由于数据和新生成量不再
独立，标准的推论技巧需要进一步细化才能发挥作用。这就要求精确的极限理论必须考虑估
计量和检验统计量的渐进特征。理论上解决相关问题的可行方法取决于产生公式的机制，该
机制可以将观察出的非独立变量分解成独立的新生成量。这种机制即通常所说的时间序列模
型。尽管存在其他对参数依赖更少的模型，我们将主要立足于以下参数模型。
鉴于此，我们主要考虑诸如GNP、总消费等宏观经济时间序列。这些时间序列的典型
特征包括趋势行为、季节性和趋势循环成分等。明显这些概念很模糊并且事实上也不能单独
定义，但它们却构成了时间序列模型的基石。在具体的模型趋势行为尤为关键。如果数据没
有一定的稳定性（用更专业一点的话来讲，平稳性），则不可能展开进一步的推论。


第二讲 平稳过程
      在本讲中我们关注狭义平稳过程模型，重点在于线性过程。金融时间序列的固定格式
具有明显的限制。然而线性时间序列通常是非线性模型的基石，同时线性模型容易精确处理
并具有明确优良的特征，以下将对此展开讨论。我们可以把线性时间序列模型定义成具有常
系数的线性差分方程。
     我们从介绍一些例子入手。随机过程最简单的例子只含有一个独立的观测值。从二阶
角度看，这会转化为不相关。

第三讲 平稳过程的谱表示法

第四讲  预测与Wold分解

第五讲 ARMA模型的估计与规范表达

第6 讲 多变量时间序列和VARs

第六讲 关于VAR模型的更多结论

第七讲 单根渐近和单根检验

第八讲 共积（COINTEGRATION）

第九讲 GMM估计

还有一些数据、例子和问题集，太多了就不写目录了！