本書是國內及時本系統地對季節時間序列進行介紹和研究的專著。全書共分為七章。及時章首先展示了時間序列中季節特征的多樣性以及不同的季節模型，回顧了季節時間序列理論的發展歷程。在隨后各章中，對各種季節模型進行了詳盡的介紹。其中，第二章介紹了SARIMA模型：第三章介紹了季節模式的常用檢驗方法；第四章介紹了季節調整方法的原理：第五章介紹了多變量季節模型；第六章介紹了周期性過程；第七章介紹了非線性季節模型。在介紹基本理論時，本書給出了一些應用案例。本書是適用于經濟、管理類教師、研究者和研究生的參考讀物，要求讀者有時間序列分析的基礎。
及時章 總論
及時節 季節時問序列的多樣性
第二節 季節時間序列模型
一、季節ARIMA過程
二、周期性過程
三、非線性季節模型
第三節 季節性時間序列理論發展概覽
一、早期觀點
二、季節調整理論
三、近期觀點及研究前沿
第二章 季節ARIMA模型
及時節 基本概念
第二節 季節ARIMA模型的類別
一、自回歸移動平均乘積性季節模型
二、確定性季節時間序列
三、季節性單整過程
第三節 非平穩性的誤設定
一、趨勢平穩(TS)與差分平穩(DS)
二、確定性季節性與季節性單整
第四節 季節ARIMA模型的建立與預測
一、數據的平穩性檢驗
二、SARMA模型的識別、估計和檢驗
三、預測
第五節 案例：美國國際航空公司旅客客票數的乘積模型和組合模型
第三章 季節模式的假設檢驗
及時節 確定性季節性的假設檢驗
一、Canova-Hansen檢驗
二、Caner檢驗
三、Tam—Reinsel檢驗
四、一些評論
第二節 季節單整的檢驗
一、Dickey-Hasza-Fuller檢驗
二、HEGY檢驗
三、Kunst檢驗
四、Osborn-Chui-Smith-Birchenhall檢驗
五、一些評論
第三節 擴展
一、附加動態項
二、確定項
三、高階非平穩性工
四、復合檢驗及顯著性水平
五、一些實證研究結果
第四節 案例：我國進出口總額的季節模式
一、平穩季節模式的檢驗
二、季節單位根檢驗
第四章 季節調整技術原理
及時節 構成因素的分解
第二節 X-12-ARIMA
一、X-11程序
二、RegARIMA建模與診斷
及時節 TRAMO/SEATS程序
一、SEATS方法的基本原理
二、與X-11的比較
第四節 季節調整對單位根檢驗的影響
一、數據生成過程為單位根過程
二、數據生成過程為平穩ARMA過程
第五節 與其他數據變換的關系
第六節 案例
案例1：中美進出口總額的季節調整
案例2：基于調整和未調整序列的單位根檢驗
第五章 多變量季節模型
及時節 單方程季節模型
一、季節調整對回歸效果的影響
二、季節虛假回歸
第二節 季節向量ARIMA模型
一、季節向量ARMA的性質
二、季節向量ARIMA模型的建立
三、擴展
第三節 季節協整與誤差修正模型
一、單一方程季節協整方法
二、向量季節協整方法
三、擴展
第四節 案例：中國進出口貿易的誤差修正模型
第六章 周期性ARIMA過程
及時節周期性過程的類別和性質
一、周期性過程的定義與分類
二、PAR過程的性質
第二節 非平穩的PAR過程
一、PAR過程的單整類型
二、PAR過程的單整性檢驗
第三節 周期性協整
一、周期性協整的定義
二、周期協整的檢驗
第四節 案例：理性預期下生命周期持久收入假說的檢驗
一、REPIH的(季節)檢驗方法
二、中國消費行為的REPIH檢驗結果
第七章 非線性季節模型
及時節 季節GARCH模型
一、季節GARCH類模型的定義和性質
二、檢驗和估計
第二節 隨機系數季節自回歸過程
一、隨機系數ARIMA模型的性質
二、檢驗和估計
第三節 周期馬爾可夫開關模型
一、周期馬爾可夫開關模型的定義和性質
二、估計和檢驗
參考文獻
附表1 t分布百分位數表
附表2 X2分布百分位數表
附表3 F分布百分位數表
附表4 VM分布百分位數表
附表5 DHF分布百分位數表
附表6 季節單位根檢驗臨界值表
附表7 Kunst分布百分位數表
附表8 季節協整檢驗臨界值表
及時章 總論
時間序列就是將某一個指標在不同時間上的不同數值，按照時間的先后順序排列而成的數列。這種數列由于受到各種偶然因素的影響，往往表現出某種隨機性，同時彼此之間存在著統計上的依賴關系。例如，從l980年到2006年我國的國內生產總值GDP和消費價格指數CPl就分別構成了兩個不同的時間序列。在金融市場方面，上證指數和深圳指數在過去十五年內每個交易日甚至每分鐘的指數水平也構成一個時間序列。事實上，宏觀經濟學、國際經濟學和金融學里絕大多數的實證研究都是建立在時間序列分析的基礎上的。在國外，大部分經濟時間序列都是月度或季度數據。近年來，我國也開始公開月度和季度數據。這些經濟時間序列的變化常常表現出某種程度的年度內的周期性規律。比如：每逢五月和十月("黃金周"期間)，我國的鐵路客運量、旅游業的收入等都出現一個高峰。再如：深圳成分指數的日收益率具有某種程度的"日歷效應"，在星期二出現一個高峰，在星期五出現低谷。我們將數據中所呈現出的這種在經過一定的時間間隔后(通常是一年以內)的相似性，稱為具有季節(周期)性。相應地，稱這樣的時間序列為季節性時間序列。通過研究時間序列的季節(周期)性，我們能夠更好地分析影響時間序列的因素以及時間序列之間的關系。
及時節 季節時間序列的多樣性
在科技領域中，對周期現象的理解包含兩個特征，即等間隔性和可重復性，在數學上用函數表示為f(x)和f(x+T)，其中T為周期長度。有的文獻中將季節變動因素描述為在固定間距(如年、季或周、日)中自我循環，是一個以T為周期的確定的周期性因素，它可以用啞變量形式來刻畫。然而，采用這樣一個定義將導致實際中的經濟時間序列中大部分季節性問題不可解決。我們將給出幾個經濟中常見的時間序列的例子，從而對經濟時間序列中的季節性有一個直觀的了解。通過這幾個例子，我們看到經濟時間序列中的季節性有著極為不同的表現形式。
……
