我承认我out了。。。机工社给力了。。。

原作系 Springer Texts in Statistics 系列中的《Time Series Analysis With Applications in R》 (2nd ed)

书名: 时间序列分析及应用:R语言 (原书第2版)

作者: Jonathan D.Cryer / Kung-Sik Chan

译者: 潘红宇等

机械工业出版社华章数学译丛

目录

译者序

前言

第1章引论

1.1 时间序列举例

1.2 建模策略

1.3 历史上的时间序列图

1.4 本书概述

习题

第2章基本概念

2.1 时间序列与随机过程

2.2 均值、方差和协方差

2.3 平稳性

2.4 小结

习题

附录A 期望、方差、协方差和相关系数

第3章趋势

3.1 确定性趋势与随机趋势

3.2 常数均值的估计

3.3 回归方法

3.4 回归估计的可靠性和有效性

3.5 回归结果的解释

3.6 残差分析

3.7 小结

习题

第4章平稳时间序列模型

4.1 一般线性过程

4.2 滑动平均过程

4.3 自回归过程48

4.4 自回归滑动平均混合模型

4.5 可逆性

4.6 小结

习题

附录B AR(2)过程的平稳域

附录C ARMA(p,q)模型的自相关函数

第5章非平稳时间序列模型

5.1 通过差分平稳化

5.2 ARIMA模型

5.3 ARIMA模型中的常数项

5.4 其他变换

5.5 小结

习题

附录D 延迟算子

第6章模型识别

6.1 样本自相关函数的性质

6.2 偏自相关函数和扩展的自相关函数

6.3 对一些模拟的时间序列数据的识别

6.4 非平稳性

6.5 其他识别方法

6.6 一些真实时间序列的识别

6.7 小结

习题

第7章参数估计

7.1 矩估计

7.2 最小二乘估计

7.3 极大似然与无条件最小二乘

7.4 估计的性质

7.5 参数估计例证

7.6 自助法估计ARIMA模型

7.7 小结

习题

第8章模型诊断

8.1 残差分析

8.2 过度拟合和参数冗余

8.3 小结

习题

第9章预测

9.1 最小均方误差预测

9.2 确定性趋势

9.3 ARIMA预测

9.4 预测极限

9.5 预测的图示

9.6 ARIMA预测的更新

9.7 预测的权重与指数加权滑动平均

9.8 变换序列的预测

9.9 某些ARIMA模型预测的总结

9.10 小结

习题

附录E 条件期望

附录F 最小均方误差预测

附录G 截断线性过程

附录H 状态空间模型

第10章季节模型

10.1 季节ARIMA模型

10.2 乘法季节ARMA模型

10.3 非平稳季节ARIMA模型

10.4 模型识别、拟合和检验

10.5 季节模型预测

10.6 小结

习题

第11章时间序列回归模型

11.1 干预分析

11.2 异常值

11.3 伪相关

11.4 预白化与随机回归

11.5 小结

习题

第12章异方差时间序列模型

12.1 金融时间序列的一些共同特征

12.2 ARCH(1)模型

12.3 GARCH模型

12.4 极大似然估计

12.5 模型诊断

12.6 条件方差非负条件

12.7 GARCH模型的一些扩展

12.8 另一个示例：USD/HKD汇率日数据

12.9 小结

习题

附录I 广义混合检验公式

第13章谱分析入门

13.1 引言

13.2 周期图

13.3 谱表示和谱分布

13.4 谱密度

13.5 ARMA过程的谱密度

13.6 样本谱密度的抽样性质

13.7 小结

习题

附录J 余弦与正弦序列的正交性

第14章谱估计

14.1 平滑谱密度

14.2 偏差和方差

14.3 带宽

14.4 谱置信区间

14.5 泄露和锥削

14.6 自回归谱估计

14.7 模拟数据示例

14.8 真实数据示例

14.9 其他谱估计法

14.10 小结

习题

附录K 锥削与狄利克雷核

第15章门限模型

15.1 用图解法探索非线性

15.2 非线性检验

15.3 多项式模型一般是爆炸性的

15.4 一阶门限自回归模型

15.5 门限模型

15.6 门限非线性的检验

15.7 TAR模型的估计

15.8 模型诊断

15.9 预测

15.10 小结

习题

附录L TAR广义混合检验

附录Ⅰ R入门

附录Ⅱ 数据集合的说明

参考文献

简单翻了一下, 虽然又是多人合译的, 质量还算可以接受. 不知国内之前有木有专门关于用R做时间序列的作品或译作.