本书以时间序列模型为基础，以经济学和管理学中的案例为载体，采用理论讲解与数据分析案例实践相结合的方式编写而成。全书共9章，包括时间序列分析基础、线性时间序列模型、单位根时间序列模型、非线性时间序列模型、协整时间序列模型、波动率模型、时间序列的机器学习方法、时间序列的深度学习方法和课程综合案例等内容。本书配有PPT课件、教学大纲、数据集、R语言代码、课后习题答案、模拟试卷及答案等教学资源，使用本书的老师可在人邮教育社区免费下载使用。本书不仅可以作为统计学、数据科学等相关专业本科生学习数据建模相关课程的教材，也可以作为研究生、政府人员和企业管理人员学习预测和决策方法的培训书或自学书。

涂云东，北京大学光华管理学院和北京大学统计科学中心联席教授。入选“日出东方-光华青年人才”，北京大学优秀博士学位论文指导教师，教育部“长江学者奖励计划”青年长江学者。2004年和2006年先后获武汉大学理学学士学位和经济学硕士学位，2012年获美国加州大学河滨分校经济学博士学位。亚太青年计量经济学者会议发起人和组织者。30余篇学术论文发表在多个国际、国内专业杂志上。主持多个国家自然科学基金项目，并担任自然科学基金匿名评审。曾获世界计量经济学会、加州计量经济学会议等学术组织提供的青年学者研究资助。研究领域涵盖时间序列分析、非参数计量方法、大数据分析、金融计量和预测等。

第1章 时间序列分析基础
本章导读
1.1 时间序列数据概述
1.1.1 数据类型
1.1.2 数据可视化
1.1.3 数据来源
1.1.4 数据特征
1.1.5 数据预处理
1.2 时间序列的基本概念
1.2.1 平稳性
1.2.2 遍历性
1.2.3 白噪声
1.2.4 鞅差过程
1.2.5 相依性度量
1.2.6 长期协方差
1.3 时间序列基本模型
1.3.1 白噪声模型
1.3.2 滑动平均模型
1.3.3 自回归模型
1.3.4 自回归滑动平均模型
1.4 时间序列预测方法
1.4.1 均值预测法
1.4.2 朴素预测法
1.4.3 滑动平均法
1.4.4 指数平滑法
1.4.5 模型预测法
1.5 案例分析：投资组合
习题
第2章 线性时间序列模型
本章导读
2.1 线性时间序列模型基础
2.1.1 线性时间序列过程
2.1.2 滞后算子
2.2 自回归模型
2.2.1 一阶自回归模型
2.2.2 二阶自回归模型
……
第3章 单位根时间序列模型
第4章 非线性时间序列模型
第5章 协整时间序列模型
第6章 波动率模型
第7章 时间序列的机器学习方法
第8章 时间序列的深度学习方法
第9章 课程综合案例
参考文献