本書是一部有關(guān)時間序列的高等教材，這版對原來的版本通篇做了大量的修訂和擴充，包括增加了全新的一章講述狀態(tài)空間。內(nèi)容詳盡，包括了學(xué)習(xí)時間序列能夠經(jīng)常用到的所有方法，書的一開始從引進Hilbert空間開始，緊接著平穩(wěn)ARMA過程及其他。第10章有關(guān)平穩(wěn)過程的譜推斷很有新意，考慮頻率已知和未知的周期性各種檢驗。
目次：平穩(wěn)時間序列；Hilbert空間；平穩(wěn)Arma過程；平穩(wěn)過程的譜表示；平穩(wěn)過程預(yù)測；漸進理論；均值和協(xié)差函數(shù)估計；Arma模型估計；應(yīng)用ARIMA過程進行建模和預(yù)測；平穩(wěn)過程的譜推斷；多變量時間序列；狀態(tài)空間模型和Kalman遞歸；高級話題。
讀者對象：數(shù)學(xué)專業(yè)、統(tǒng)計概率專業(yè)的研究生和相關(guān)人士。
《時間序列的理論與方法(第2版)》是美國Colorado大學(xué)著名學(xué)者P.J.Brockwell和R.A.Davis在美國國家科學(xué)基金資助下所著的一本優(yōu)秀教科書。譯著者積多年使用該教材的經(jīng)驗以及學(xué)生對該教材的反映，深感這不僅是一本不可多得的時間序列分析教材，也是一本與其它非線性學(xué)科緊密相結(jié)合、展示時間序列分析應(yīng)用的優(yōu)秀參考書。向廣大讀者推薦這《時間序列的理論與方法（第2版）》，旨在希望它不僅能成為學(xué)習(xí)時間序列分析的“捷徑”，而且也能成為邁向其它非線性學(xué)科前沿領(lǐng)域的“階梯”。
Peter J. Brockwell(P.J.布雷克韋爾,美國)是國際知名學(xué)者，在數(shù)學(xué)和物理學(xué)界享有盛譽。本書凝聚了作者多年科研和教學(xué)成果，適用于科研工作者、高校教師和研究生。
第一章 平穩(wěn)時間序列
1.1 時間序列實例
1.2 隨機過程
1.3 平穩(wěn)和嚴(yán)平穩(wěn)
1.4 趨勢項和季節(jié)項的估計和分離
1.5 平穩(wěn)過程的自協(xié)方差函數(shù)
1.6 多元正態(tài)分布
1.7 Kolmogorov定理的應(yīng)用
習(xí)題
第二章 Hilbert空間
2.1 內(nèi)積空間及其性質(zhì)
2.2 Hilbert空間
2.3 投影定理
2.4 正交集
2.5 R中的投影
2.6 線性回歸和一般線性模型
2.7 均方收斂，條件期望和最 佳線性預(yù)報
2.8 Fourier級數(shù)
2.9 Hilbert空間的同構(gòu)
2.10 L2的完備性
2.11 Fourier級數(shù)的補充知識
習(xí)題二
第三章 平穩(wěn)AMAR過程
3.1 因果可逆ARMA過程
3.2 無限階滑動平均過程
3.3 ARMA（p，q）過程自協(xié)方差函數(shù)的計算
3.4 偏自相關(guān)（系數(shù)）函數(shù)
3.5 自協(xié)方差母函數(shù)
3.6 常系數(shù)線性齊次差分方程
習(xí)題三
第四章 平穩(wěn)過程的譜表示
4.1 復(fù)值平穩(wěn)時間序列
4.2 正弦函數(shù)線性組合的譜分布
4.3 Herglotz定理
4.4 譜密度與ARMA過程
4.5 循環(huán)行列式與其特征值
4.6 上的正交增量過程
4.7 關(guān)于正交增量過程的積分
4.8 譜表示
4.9 反演公式
4.10 時不變線性濾波器
4.11 逼近的性質(zhì)
習(xí)題四
第五章 平穩(wěn)過程的預(yù)報
5.1 時域中的預(yù)報方程
5.2 最 佳線性預(yù)報的遞推計算方法
5.3 ARMA（p，q）過程的遞歸預(yù)報
5.4 平穩(wěn)Gauss過程的預(yù)報；預(yù)報界
5.5 因果可逆ARMA過程基于表示的預(yù)報
5.6 頻域中的預(yù)報
5.7 Wold分解
5.8 Kolrnogorov公式
習(xí)題五
第六章 漸近理論
6.1 依概率收斂
6.2 階收斂（r＞0）
6.3 依分布收斂
6.4 中心極限定理和有關(guān)結(jié)論
習(xí)題六
第七章 均值和自協(xié)方差函數(shù)的估計
7.1 u的估計
7.2 R（·）和p（·）的估計
7.3 漸近分布的推論
習(xí)題七
第八章 ARMA模型的估計
8.1 自回歸過程的Yule—Walker方程和參數(shù)估計
8.2 應(yīng)用Durbin—Levinson算法的自回歸過程初估計
8.3 滑動平均過程參數(shù)的新息估計
8.4 ARMA（p，q）過程的初估計
8.5 關(guān)于漸近有效性的附注
8.6 任意零均值Gauss過程的似然函數(shù)的遞歸計算
8.7 ARMA過程的極大似然函數(shù)和最小二乘估計
8.8 極大似然估計的漸近性質(zhì)
8.9 因果可逆ARMA過程參數(shù)的置信區(qū)間
8.10 Yule—Walker估計的漸近性質(zhì)
8.11 參數(shù)估計的漸近正態(tài)性
習(xí)題八
第九章 利用ARIMA過程建模和預(yù)報
9.1 非平穩(wěn)時間序列的ARIMA模型
9.2 辨識方法
9.3 AIC準(zhǔn)則
9.4 診斷檢驗
9.5 ARIMA過程預(yù)報
9.6 季節(jié)ARIMA模型
習(xí)題九
第十章 平穩(wěn)過程的譜推斷
10.1 周期圖
10.2 隱含周期的存在性檢驗
10.3 周期圖的漸近性質(zhì)
10.4 平滑周期圖
10.5 關(guān)于譜的置信區(qū)間
10.6 自回歸譜估計、極大熵譜估計、滑動平均譜估計和極大似然ARMA譜估計
10.7 快速Fourier變換算法
10.8 ARMA模型系數(shù)的最小二乘估計與極大似然估計漸近性的證明
習(xí)題十
第十一章 多維時間序列
11.1 多維時間序列的二階性質(zhì)
11.2 均值和協(xié)方差函數(shù)的估計
11.3 多維ARMA過程
11.4 二階矩隨機向量的最 佳線性預(yù)報
11.5 關(guān)于多維ARMA過程的估計
11.6 互譜
11.7 互譜的估計
11.8 多維平穩(wěn)時間序列的譜表示
習(xí)題十
第十二章 狀態(tài)—空間模型和Kalman遞歸式
12.1 狀態(tài)—空間模型
12.2 Kalman遞歸式
12.3 帶有缺失觀測值的狀態(tài)—空間模型
12.4 可控制性和可觀測性
12.5 遞歸Bayes狀態(tài)估計
習(xí)題十二
第十三章 進一步的專題
13.1 傳遞函數(shù)建模
13.2 長記憶過程
13.3 具有無限方差的線性過程
13.4 門限模型
習(xí)題十三
附錄數(shù)據(jù)集
參考文獻
中英文詞匯對照
書單推薦
