金融時(shí)間序列分析

前言

許多國(guó)家都在竭力從當(dāng)前的全球金融危機(jī)中恢復(fù)過來(lái)，顯而易見，我們不想再遇到這樣的危機(jī)。為了防止再發(fā)生這樣的危機(jī)，我們必須對(duì)剛過去的危機(jī)進(jìn)行研究。因此，在實(shí)證研究中，過去幾年的金融數(shù)據(jù)就成為重要的研究對(duì)象。本次修訂的主要目的就是更新使用的數(shù)據(jù)，并重新分析這些實(shí)例，從而便于人們更好地理解資產(chǎn)收益的性質(zhì)。同時(shí)，我們?cè)诮鹑谟?jì)量學(xué)和金融分析軟件包方面也取得許多新進(jìn)展，特別是Rmetrics有許多程序包可用于分析金融時(shí)間序列。本次修訂的第二個(gè)目的就是給出R命令和示例，從而使讀者可以更加輕而易舉地重新計(jì)算書中的實(shí)例，并得到結(jié)果。在這次金融危機(jī)中，有一些大的金融機(jī)構(gòu)相繼倒閉，這表明極端事件有群集發(fā)生的特點(diǎn)。它們之間不是相互獨(dú)立的。為了處理極端事件的相依性，在第7章中，我增加了極值指數(shù)的內(nèi)容，并且討論了極值指數(shù)對(duì)風(fēng)險(xiǎn)值的影響。我還重新編寫了第7章，從而使其更易于讀者理解，內(nèi)容也更加全面?，F(xiàn)在，第7章還包括了用于度量金融風(fēng)險(xiǎn)的預(yù)期損失(或者條件風(fēng)險(xiǎn)值)的內(nèi)容。我力求本書的篇幅不要過大，涵蓋內(nèi)容盡可能多。基于以下三方面的原因，本次修訂沒有考慮信用風(fēng)險(xiǎn)和經(jīng)營(yíng)風(fēng)險(xiǎn)。首先，需要深入研究適用于評(píng)估信用風(fēng)險(xiǎn)的有效方法；其次，不便于得到大量的可用數(shù)據(jù)；最后，本書的篇幅已經(jīng)不能再大了。第3版增加的內(nèi)容概述如下。(1)更新了本書從頭至尾使用的數(shù)據(jù)。(2)提供了R命令和示例。在有些例子中給出了R程序。(3)使用新的觀察數(shù)據(jù)，重新分析了許多例子。(4)在第3章中，為了進(jìn)行波動(dòng)率建模，引入了非對(duì)稱分布。(5)在第5章中，為了研究最近的高頻交易數(shù)據(jù)的性質(zhì)，增加了非線性持續(xù)期模型的應(yīng)用。(6)在第7章中，使用統(tǒng)一的方法，通過損失函數(shù)來(lái)分析風(fēng)險(xiǎn)值(VaR)，討論預(yù)期損失(ES)，或者等價(jià)的條件風(fēng)險(xiǎn)值(CVaR)。為了分析相依數(shù)據(jù)，還引入了極值指數(shù)。(7)在第8章中，討論了協(xié)整模型在配對(duì)交易(pairtrading)中的應(yīng)用。(8)在第10章中，研究了動(dòng)態(tài)相關(guān)模型的應(yīng)用。本書第2版的許多讀者給出的建設(shè)性意見讓我受益匪淺，這些讀者包括學(xué)生、同行和朋友，我對(duì)他們感激不盡。特別地，我要對(duì)SpencerGraves、ESTIMA的TomDoan和EugeneGath致以真摯的謝意。SpencerGraves編寫了FinTS的R軟件包，Doan和Gath把書稿仔細(xì)地看了一遍。我還要感謝KamHamidieh，對(duì)于修訂中應(yīng)該關(guān)注的新專題，他給出了很好的建議。我也要感謝Wiley的同事們，特別是JackiePalmieri和StephenQuigley，感謝他們的支持。與往常一樣，如果沒有我的妻子和孩子們不斷的鼓勵(lì)和無(wú)條件的愛，我不可能完成這個(gè)修訂版。他們是激勵(lì)我前進(jìn)的動(dòng)力和力量來(lái)源。我的部分研究得到了芝加哥大學(xué)布斯商學(xué)院的贊助。蔡瑞胸(Ruey S.Tsay)伊利諾伊州芝加哥芝加哥大學(xué)布斯商學(xué)院

內(nèi)容概要

　　本書全面闡述了金融時(shí)間序列，并主要介紹了金融時(shí)間序列理論和方法的當(dāng)前研究熱點(diǎn)和一些最新研究成果，尤其是風(fēng)險(xiǎn)值計(jì)算、高頻數(shù)據(jù)分析、隨機(jī)波動(dòng)率建模和馬爾可夫鏈蒙特卡羅方法等方面。此外，本書還系統(tǒng)闡述了金融計(jì)量經(jīng)濟(jì)模型及其在金融時(shí)間序列數(shù)據(jù)和建模中的應(yīng)用，所有模型和方法的運(yùn)用均采用實(shí)際金融數(shù)據(jù)，并給出了所用計(jì)算機(jī)軟件的命令。較之第2版，本版不僅更新了上一版中使用的數(shù)據(jù)，而且還給出了R命令和實(shí)例，從而使其成為理解重要統(tǒng)計(jì)方法和技術(shù)的奠基石.
　　本書可作為時(shí)間序列分析的教材，也適用于商學(xué)、經(jīng)濟(jì)學(xué)、數(shù)學(xué)和統(tǒng)計(jì)學(xué)專業(yè)對(duì)金融的計(jì)量經(jīng)濟(jì)學(xué)感興趣的高年級(jí)本科生和研究生，同時(shí)，也可作為商業(yè)、金融、保險(xiǎn)等領(lǐng)域?qū)I(yè)人士的參考用書。

作者簡(jiǎn)介

作者：（美國(guó)）蔡瑞胸（Ruey S.Tsay） 譯者：王遠(yuǎn)林 王輝 潘家柱  蔡瑞胸（Ruey S.Tsay），美國(guó)芝加哥大學(xué)布斯商學(xué)院經(jīng)濟(jì)計(jì)量學(xué)和統(tǒng)計(jì)學(xué)的H.G.B.Alexander講席教授。1982年于美國(guó)威斯康星大學(xué)麥迪遜分校獲得統(tǒng)計(jì)學(xué)博士學(xué)位。中國(guó)臺(tái)灣“中央研究院”院士，美國(guó)統(tǒng)計(jì)協(xié)會(huì)、數(shù)理統(tǒng)計(jì)學(xué)會(huì)及皇家統(tǒng)計(jì)學(xué)會(huì)的會(huì)士，Journal of Forecasting的聯(lián)合主編，Journal of Financial Econometrics的副主編。曾任美國(guó)統(tǒng)計(jì)學(xué)會(huì)商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)分會(huì)主席及《商務(wù)與經(jīng)濟(jì)統(tǒng)計(jì)》期刊主編。在商務(wù)和經(jīng)濟(jì)預(yù)測(cè)、數(shù)據(jù)分析、風(fēng)險(xiǎn)管理和過程控制領(lǐng)域撰寫并發(fā)表了論文100多篇。他也是A Course in Time Series Analysis的合著者。 王遠(yuǎn)林，畢業(yè)于東北財(cái)經(jīng)大學(xué)數(shù)學(xué)與數(shù)量經(jīng)濟(jì)學(xué)院，獲經(jīng)濟(jì)學(xué)博士學(xué)位，現(xiàn)任東北財(cái)經(jīng)大學(xué)數(shù)學(xué)與數(shù)量經(jīng)濟(jì)學(xué)院副教授，碩士研究生導(dǎo)師，主要研究方向：數(shù)理金融和金融計(jì)量經(jīng)濟(jì)學(xué)。 潘家柱，曾任北京大學(xué)金融數(shù)學(xué)系副教授、教授和博士生導(dǎo)師，并在倫敦經(jīng)濟(jì)學(xué)院（LSE）從事過兩年的研究工作，現(xiàn)在英國(guó)斯特拉思克萊德大學(xué)任教。2002年，與程士宏教授等人一起獲得教育部提名國(guó)家科學(xué)技術(shù)獎(jiǎng)自然科學(xué)獎(jiǎng)二等獎(jiǎng)。2008年，擔(dān)任第7屆世界概率統(tǒng)計(jì)大會(huì)時(shí)間序列分組的主持人，研究工作受到英國(guó)愛丁堡皇家學(xué)會(huì)和中國(guó)國(guó)家自然科學(xué)基金委員會(huì)的基金資助。主要研究方向：時(shí)間序列分析、金融計(jì)量經(jīng)濟(jì)學(xué)和風(fēng)險(xiǎn)管理。 王輝，畢業(yè)于北京大學(xué)數(shù)學(xué)科學(xué)學(xué)院概率統(tǒng)計(jì)系，獲博士學(xué)位，現(xiàn)任教于中央財(cái)經(jīng)大學(xué)金融學(xué)院金融工程系。主要研究方向：時(shí)間序列分析和金融計(jì)量經(jīng)濟(jì)學(xué)。

書籍目錄

第1章　金融時(shí)間序列及其特征　
1.1　資產(chǎn)收益率　
1.2　收益率的分布性質(zhì)　
1.2.1　統(tǒng)計(jì)分布及其矩的回顧　
1.2.2　收益率的分布　
1.2.3　多元收益率　
1.2.4　收益率的似然函數(shù)　
1.2.5　收益率的經(jīng)驗(yàn)性質(zhì)　
1.3　其他過程　
附錄R　程序包　
練習(xí)題　
參考文獻(xiàn)　
第2章　線性時(shí)間序列分析及其應(yīng)用　
2.1　平穩(wěn)性　
2.2　相關(guān)系數(shù)和自相關(guān)函數(shù)　
2.3　白噪聲和線性時(shí)間序列　
2.4　簡(jiǎn)單的自回歸模型　
2.4.1　AR模型的性質(zhì)　
2.4.2　實(shí)際中怎樣識(shí)別AR模型　
2.4.3　擬合優(yōu)度　
2.4.4　預(yù)測(cè)　
2.5　簡(jiǎn)單滑動(dòng)平均模型　
2.5.1　MA模型的性質(zhì)　
2.5.2　識(shí)別MA的階　
2.5.3　估計(jì)　
2.5.4　用MA模型預(yù)測(cè)　
2.6　簡(jiǎn)單的ARMA模型　
2.6.1　ARMA(1,1)模型的性質(zhì)　
2.6.2　一般的ARMA模型　
2.6.3　識(shí)別ARMA模型　
2.6.4　用ARMA模型進(jìn)行預(yù)測(cè)　
2.6.5　ARMA模型的三種表示　
2.7　單位根非平穩(wěn)性　
2.7.1　隨機(jī)游動(dòng)　
2.7.2　帶漂移的隨機(jī)游動(dòng)　
2.7.3　帶趨勢(shì)項(xiàng)的時(shí)間序列　
2.7.4　一般的單位根非平穩(wěn)模型　
2.7.5　單位根檢驗(yàn)　
2.8　季節(jié)模型　
2.8.1　季節(jié)性差分化　
2.8.2　多重季節(jié)性模型　
2.9　帶時(shí)間序列誤差的回歸模型　
2.10　協(xié)方差矩陣的相合估計(jì)　
2.11　長(zhǎng)記憶模型　
附錄　一些SCA的命令　
練習(xí)題　
參考文獻(xiàn)　
第3章　條件異方差模型　
3.1　波動(dòng)率的特征　
3.2　模型的結(jié)構(gòu)　
3.3　建?！?br />3.4　ARCH模型　
3.4.1　ARCH模型的性質(zhì)　
3.4.2　ARCH模型的缺點(diǎn)　
3.4.3　ARCH模型的建立　
3.4.4　一些例子　
3.5　GARCH模型　
3.5.1　實(shí)例說(shuō)明　
3.5.2　預(yù)測(cè)的評(píng)估　
3.5.3　兩步估計(jì)方法　
3.6　求和GARCH模型　
3.7　GARCH-M模型　
3.8　指數(shù)GARCH模型　
3.8.1　模型的另一種形式　
3.8.2　實(shí)例說(shuō)明　
3.8.3　另一個(gè)例子　
3.8.4　用EGARCH模型進(jìn)行預(yù)測(cè)　
3.9　門限GARCH模型　
3.10　CHARMA模型　
3.11　隨機(jī)系數(shù)的自回歸模型　
3.12　隨機(jī)波動(dòng)率模型　
3.13　長(zhǎng)記憶隨機(jī)波動(dòng)率模型　
3.14　應(yīng)用　
3.15　其他方法　
3.15.1　高頻數(shù)據(jù)的應(yīng)用　
3.15.2　日開盤價(jià)、最高價(jià)、最低價(jià)和收盤價(jià)的應(yīng)用　
3.16　GARCH模型的峰度　
附錄　波動(dòng)率模型估計(jì)中的一些RATS程序　
練習(xí)題　
參考文獻(xiàn)　
第4章　非線性模型及其應(yīng)用　
4.1　非線性模型　
4.1.1　雙線性模型　
4.1.2　門限自回歸模型　
4.1.3　平滑轉(zhuǎn)移AR(STAR)模型　
4.1.4　馬爾可夫轉(zhuǎn)換模型　
4.1.5　非參數(shù)方法　
4.1.6　函數(shù)系數(shù)AR模型　
4.1.7　非線性可加AR模型　
4.1.8　非線性狀態(tài)空間模型　
4.1.9　神經(jīng)網(wǎng)絡(luò)　
4.2　非線性檢驗(yàn)　
4.2.1　非參數(shù)檢驗(yàn)　
4.2.2　參數(shù)檢驗(yàn)　
4.2.3　應(yīng)用　
4.3　建模　
4.4　預(yù)測(cè)　
4.4.1　參數(shù)自助法　
4.4.2　預(yù)測(cè)的評(píng)估　
4.5　應(yīng)用　
附錄A　一些關(guān)于非線性波動(dòng)率模型的RATS程序　
附錄B　神經(jīng)網(wǎng)絡(luò)的S-Plus命令　
練習(xí)題　
參考文獻(xiàn)　
第5章　高頻數(shù)據(jù)分析與市場(chǎng)微觀結(jié)構(gòu)　
5.1　非同步交易　
5.2　買賣報(bào)價(jià)差　
5.3　交易數(shù)據(jù)的經(jīng)驗(yàn)特征　
5.4　價(jià)格變化模型　
5.4.1　順序概率值模型　
5.4.2　分解模型　
5.5　持續(xù)期模型　
5.5.1　ACD模型　
5.5.2　模擬　
5.5.3　估計(jì)　
5.6　非線性持續(xù)期模型　
5.7　價(jià)格變化和持續(xù)期的二元模型　
5.8　應(yīng)用　
附錄A　一些概率分布的回顧　
附錄B　危險(xiǎn)率函數(shù)　
附錄C　對(duì)持續(xù)期模型的一些RATS程序　
練習(xí)題　
參考文獻(xiàn)　
第6章　連續(xù)時(shí)間模型及其應(yīng)用　
6.1　期權(quán)　
6.2　一些連續(xù)時(shí)間的隨機(jī)過程　
6.2.1　維納過程　
6.2.2　廣義維納過程　
6.2.3　伊藤過程　
6.3　伊藤引理　
6.3.1　微分回顧　
6.3.2　隨機(jī)微分　
6.3.3　一個(gè)應(yīng)用　
6.3.4　?和?的估計(jì)　
6.4　股票價(jià)格與對(duì)數(shù)收益率的分布　
6.5　B-S微分方程的推導(dǎo)　
6.6　B-S定價(jià)公式　
6.6.1　風(fēng)險(xiǎn)中性世界　
6.6.2　公式　
6.6.3　歐式期權(quán)的下界　
6.6.4　討論　
6.7　伊藤引理的擴(kuò)展　
6.8　隨機(jī)積分　
6.9　跳躍擴(kuò)散模型　
6.10　連續(xù)時(shí)間模型的估計(jì)　
附錄A　B-S公式積分　
附錄B　標(biāo)準(zhǔn)正態(tài)概率的近似　
練習(xí)題　
參考文獻(xiàn)　
第7章　極值理論、分位數(shù)估計(jì)與風(fēng)險(xiǎn)值　
7.1　風(fēng)險(xiǎn)值　
7.2　風(fēng)險(xiǎn)度量制　
7.2.1　討論　
7.2.2　多個(gè)頭寸　
7.2.3　預(yù)期損失　
7.3　VaR計(jì)算的計(jì)量經(jīng)濟(jì)方法　
7.3.1　多個(gè)周期　
7.3.2　在條件正態(tài)分布下的預(yù)期損失　
7.4　分位數(shù)估計(jì)　
7.4.1　分位數(shù)與次序統(tǒng)計(jì)量　
7.4.2　分位數(shù)回歸　
7.5　極值理論　
7.5.1　極值理論的回顧　
7.5.2　經(jīng)驗(yàn)估計(jì)　
7.5.3　對(duì)股票收益率的應(yīng)用　
7.6　VaR的極值方法　
7.6.1　討論　
7.6.2　多期VaR　
7.6.3　收益率水平　
7.7　基于極值理論的一個(gè)新方法　
7.7.1　統(tǒng)計(jì)理論　
7.7.2　超額均值函數(shù)　
7.7.3　極值建模的一個(gè)新方法　
7.7.4　基于新方法的VaR計(jì)算　
7.7.5　參數(shù)化的其他方法　
7.7.6　解釋變量的使用　
7.7.7　模型檢驗(yàn)　
7.7.8　說(shuō)明　
7.8　極值指數(shù)　
7.8.1　D(un)條件　
7.8.2　極值指數(shù)的估計(jì)　
7.8.3　平穩(wěn)時(shí)間序列的風(fēng)險(xiǎn)值　
練習(xí)題　
參考文獻(xiàn)　
第8章　多元時(shí)間序列分析及其應(yīng)用　
8.1　弱平穩(wěn)與交叉-相關(guān)矩陣　
8.1.1　交叉-相關(guān)矩陣　
8.1.2　線性相依性　
8.1.3　樣本交叉-相關(guān)矩陣　
8.1.4　多元混成檢驗(yàn)　
8.2　向量自回歸模型　
8.2.1　簡(jiǎn)化形式和結(jié)構(gòu)形式　
8.2.2　VAR(1)模型的平穩(wěn)性條件和矩　
8.2.3　向量AR(p)模型　
8.2.4　建立一個(gè)VAR(p)模型　
8.2.5　脈沖響應(yīng)函數(shù)　
8.3　向量滑動(dòng)平均模型　
8.4　向量ARMA模型　
8.5　單位根非平穩(wěn)性與協(xié)整　
8.6　協(xié)整VAR模型　
8.6.1　確定性函數(shù)的具體化　
8.6.2　最大似然估計(jì)　
8.6.3　協(xié)整檢驗(yàn)　
8.6.4　協(xié)整VAR模型的預(yù)測(cè)　
8.6.5　例子　
8.7　門限協(xié)整與套利　
8.7.1　多元門限模型　
8.7.2　數(shù)據(jù)　
8.7.3　估計(jì)　
8.8　配對(duì)交易　
8.8.1　理論框架　
8.8.2　交易策略　
8.8.3　簡(jiǎn)單例子　
附錄A　向量與矩陣的回顧　
附錄B　多元正態(tài)分布　
附錄C　一些SCA命令　
練習(xí)題　
參考文獻(xiàn)　
第9章　主成分分析和因子模型　
9.1　因子模型　
9.2　宏觀經(jīng)濟(jì)因子模型　
9.2.1　單因子模型　
9.2.2　多因子模型　
9.3　基本面因子模型　
9.3.1　BARRA因子模型　
9.3.2　Fama-French方法　
9.4　主成分分析　
9.4.1　PCA理論　
9.4.2　經(jīng)驗(yàn)的PCA　
9.5　統(tǒng)計(jì)因子分析　
9.5.1　估計(jì)　
9.5.2　因子旋轉(zhuǎn)　
9.5.3　應(yīng)用　
9.6　漸近主成分分析　
9.6.1　因子個(gè)數(shù)的選擇　
9.6.2　例子　
練習(xí)題　
參考文獻(xiàn)　
第10章　多元波動(dòng)率模型及其應(yīng)用　
10.1　指數(shù)加權(quán)估計(jì)　
10.2　多元GARCH模型　
10.2.1　對(duì)角VEC模型　
10.2.2　BEKK模型　
10.3　重新參數(shù)化　
10.3.1　相關(guān)系數(shù)的應(yīng)用　
10.3.2　Cholesky　分解　
10.4　二元收益率的GARCH模型　
10.4.1　常相關(guān)模型　
10.4.2　時(shí)變相關(guān)模型　
10.4.3　動(dòng)態(tài)相關(guān)模型　
10.5　更高維的波動(dòng)率模型　
10.6　因子波動(dòng)率模型　
10.7　應(yīng)用　
10.8　多元t分布　
附錄對(duì)估計(jì)的一些注釋　
練習(xí)題　
參考文獻(xiàn)　
第11章　狀態(tài)空間模型和卡爾曼濾波　
11.1　局部趨勢(shì)模型　
11.1.1　統(tǒng)計(jì)推斷　
11.1.2　卡爾曼濾波　
11.1.3　預(yù)測(cè)誤差的性質(zhì)　
11.1.4　狀態(tài)平滑　
11.1.5　缺失值　
11.1.6　初始化效應(yīng)　
11.1.7　估計(jì)　
11.1.8　所用的S-Plus命令　
11.2　線性狀態(tài)空間模型　
11.3　模型轉(zhuǎn)換　
11.3.1　帶時(shí)變系數(shù)的CAPM　
11.3.2　ARMA模型　
11.3.3　線性回歸模型　
11.3.4　帶ARMA誤差的線性回歸模型　
11.3.5　純量不可觀測(cè)項(xiàng)模型　
11.4　卡爾曼濾波和平滑　
11.4.1　卡爾曼濾波　
11.4.2　狀態(tài)估計(jì)誤差和預(yù)測(cè)誤差　
11.4.3　狀態(tài)平滑　
11.4.4　擾動(dòng)平滑　
11.5　缺失值　
11.6　預(yù)測(cè)　
11.7　應(yīng)用　
練習(xí)題　
參考文獻(xiàn)　
第12章　馬爾可夫鏈蒙特卡羅方法及其應(yīng)用　
12.1　馬爾可夫鏈模擬　
12.2　Gibbs抽樣　
12.3　貝葉斯推斷　
12.3.1　后驗(yàn)分布　
12.3.2　共軛先驗(yàn)分布　
12.4　其他算法　
12.4.1　Metropolis算法　
12.4.2　Metropolis-Hasting算法　
12.4.3　格子Gibbs抽樣　
12.5　帶時(shí)間序列誤差的線性回歸　
12.6　缺失值和異常值　
12.6.1　缺失值　
12.6.2　異常值的識(shí)別　
12.7　隨機(jī)波動(dòng)率模型　
12.7.1　一元模型的估計(jì)　
12.7.2　多元隨機(jī)波動(dòng)率模型　
12.8　估計(jì)隨機(jī)波動(dòng)率模型的新方法　
12.9　馬爾可夫轉(zhuǎn)換模型　
12.10　預(yù)測(cè)　
12.11　其他應(yīng)用　
練習(xí)題　
參考文獻(xiàn)　
索引　

章節(jié)摘錄

版權(quán)頁(yè)：   插圖： 

編輯推薦

《圖靈數(shù)學(xué)?統(tǒng)計(jì)學(xué)叢書:金融時(shí)間序列分析(第3版)》是金融時(shí)間序列分析領(lǐng)域不可多得的上乘之作，第1版面世后即成為該領(lǐng)域最具影響力的作品。作者在全面闡述金融時(shí)間序列分析理論知識(shí)的同時(shí)，還系統(tǒng)地介紹了金融計(jì)量經(jīng)濟(jì)模型及其在金融時(shí)間序列數(shù)據(jù)的建模和預(yù)測(cè)中的應(yīng)用。第3版使用能夠免費(fèi)得到的R軟件包，可以對(duì)金融數(shù)據(jù)進(jìn)行實(shí)證分析，也可以使用現(xiàn)實(shí)的例子對(duì)相關(guān)計(jì)算和分析進(jìn)行說(shuō)明。《圖靈數(shù)學(xué)?統(tǒng)計(jì)學(xué)叢書:金融時(shí)間序列分析(第3版)》還對(duì)金融計(jì)量經(jīng)濟(jì)學(xué)的最新進(jìn)展進(jìn)行了深入分析，例如實(shí)現(xiàn)波動(dòng)率、條件風(fēng)險(xiǎn)值、統(tǒng)計(jì)套利及持續(xù)期和動(dòng)態(tài)相關(guān)模型的應(yīng)用。

圖書封面

圖書標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    金融時(shí)間序列分析 PDF格式下載

---