《应用时间序列分析（第2版）》从应用的角度出发，试图借助计算机的存贮功能和计算功能来抽象掉其深奥的数学理论和复杂的运算，从而使只具一般数学知识的读者便可掌握和运用时间序列分析方法。在阐述种，尽可能回避严格的数学推导和证明，而从系统运动的惯性（即记忆性）加以解释和展开，或者说，《应用时间序列分析（第2版）》把时序分析看作是一种统计分析工具，而不是数学的一个分支理论。对于“工具”来说，使用者只要知道其特性、功能和使用方法以及使用过程中应注意的有关事项就足以了，至于其制造原理及过程，当然熟悉更好，不了解也无关乎其使用。鉴于这样的认识，全书没有运用深奥的定理，因而也就勿须定理证明。模型的形成来自于对系统记忆性的长短及其特性的剖析，一些数学推导也只涉及高等数学、线性代数和概率论与数理统计的一般知识。

第1章 绪论 1
1.1 时间序列分析的一般问题 2
1.2 时间序列基本样式 9
1.3 时间序列分析工具 29
本章小结 39
思考与练习 40
第2章 时间序列的预处理 41
2.1 时间序列的建立 41
2.2 非平稳时间序列平稳化的处理
2.3 异常值的处理 50
本章小结 58
思考与练习 58
第3章 平稳时间序列模型 59
3.1 线性平稳时间序列的基本概念
3.2 一阶自回归模型 68
3.3 一般自回归模型 71
3.4 移动平均模型 74
3.5 自回归移动平均模型 75
本章小结 80
思考与练习 81
第4章 ARMA模型的特性 82
4.1 格林函数和平稳性 82
4.2 逆函数和可逆性 106
4.3 自协方差函数 112
4.4 自谱 121
本章小结 129
思考与练习 130
第5章 平稳时间序列模型的建 132
5.1 模型识别 133
5.2 模型定阶 136
5.3 模型参数估计 142
5.4 模型的适应性检验 145
5.5 Pandit-Wu建模方法 148
5.6 建模实例 150
本章小结 155
思考与练习 156
第6章 平稳时间序列预测 157
6.1 条件期望预测 158
6.2 预测的三种形式 159
6.3 预测值的适时修正 167
本章小结 169
思考与练 170
第7章 趋势性时间序列模型 171
7.1 趋势性时间序列的重要特 171
7.2 随机时间序列的趋势性检验 172
7.3 平稳化的方法 178
7.4 趋势模型 183
本章小结 200
思考与练 201
第8章 季节性时间序列分析方法 203
8.1 季节时间序列的重要特征 203
8.2 季节性时间序列模 205
8.3 季节性检验 209
8.4 季节时间序列模型的建立 212
8.5 X-12-ARIMA方法简介 220
本章小结 232
思考与练习 233
第9章 条件异方差模型 235
9.1 基本条件异方差模型的转性 236
9.2 条件异方差模型的建立 240
9.3 几种扩展模型 251
本章小结 256
思考与练习 257
第10章 传递函数模型 258
10.1 模型简介 259
10.2 传递函数模型的识别 263
10.3 传递函数模型的拟合与检验 270
10.4 干预模型 274
本章小结 280
思考与练习 281
第11章 非线性与多元时间序列模型 283
11.1 非线性时间序列 283
11.2 多元平稳序列 286
11.3 多元AR模型 287
11.4 伪回归及平稳性检验 289
11.5 协整检验 294
本章小结 296
思考与练习 296
参考文献 297
附录Ⅰ 数据资料 298
附录Ⅱ 常用统计量分布表 339