赫尔穆特·鲁克波尔，（1992-2005年担任德国洪堡大学经济与商务管理学院的计量经济学教授，在此之前他于1987—1992年担任德国基尔大学统计学教授，于1985—1987年担任德国汉堡大学统计学教授，还于1984 -1985年担任加利福尼亚大学圣迭戈分校客座助理教授，目前他担任意大利佛罗伦萨欧洲大学研究所的计量经济学教授。他还担任《计量经济学理论》、《应用计量经济学》、《实证经济学》、《动态宏观经济学》、《实证经济学》、《计量经济学评论》等多家期刊的副主编；他曾经出版了《多元时间序列分析导论》、《矩阵手册》等10余部关于计量经济学与时间序列分析的著作与教材，曾经在《计量经济学理论》、《应用计量经济学》、《计量经济学》、《应用时间序列》等学术刊物发表论文70余篇。
　　马库斯·克莱茨希，德国柏林洪堡大学经济系的博士研究生。

　　对20年来时间序列模型的发展及其应用做了一个系统的整理和介绍，以单位根和协整为核心，包括结构向量自回归模型、条件异方差模型、非线性和非参数时间序列模型、平滑转移回归模型等，最后《应用时间序列计量经济学》还对德国柏林洪堡大学研究开发的多变量时间序列分析软件JMulTi进行了简单的介绍。
　　《应用时间序列计量经济学》适合作为经济学、金融学和统计学专业硕士研究生和博士研究生的教材，同时也可似作为从事宏观经济建横和金融建模的研究人员的参考书。

　　为现有时间序列模型的应用提供了一个清晰、细致的指南，不仅如此，本书还提供了完整的应用程序，因此任何具有时间序列计量经济学基础的学生和应用经济学家都可以很快学会如何成功地进行应用时间序列分析。我们等待这样一本关于应用时间序列的教材已经有很长一段时间了，因此我相信本书一定会很受欢迎。

　　——2003年诺贝尔经济学获奖得者、计量经济学家  克莱夫·格兰杰

　　《应用时间序列计量经济学》纵览了应用于宏观经济和金融时间序列分析的现代计量分析模型，该书不仅讨论了现在主流的时间序列问题，比如说单位根、协整以及自回归条件异方差模型等，还讨论了很多前沿的时间序列问题，比如说非线性和非参数的时间序列模型等。就像书名所提示的一样，该书对这些模型的应用提供了一个简明扼要但清晰的展示，因此〈应用时间序列计量经济学》非常适合作为从事应用时间序列分析人士的参考书，当然它也可以作为高年级和研究生应用计量经济学课程的教学参考书。

　　——阿姆斯特丹大学经济学教授　彼得·博斯克

　　本书探讨了时间序列计量分析的多种方法。一般而言，时间序列是一个特定变量在一段时期之内的连续观测值，观测值按时间先后自然排序。通常，当我们把一系列观测值定义为一个时间序列时，我们都假定观测频率具有一定的规律性。例如，在为期30年的期限内，每年得到一个观测值。更为具体的实例是，比如考虑某国1970－1999年这段期间内的年度国民生产总值( GNP)。当然，观测频率可以比年度更高一些，比如，可以获取某一特定时期内每个季度、每个月度甚至每一天的观测值。目前我们甚至可以得到股票价格或其他金融市场变量的高频时间序列，它可以具体到很短的几分或几秒。
　　可以利用时间序列数据来分析很多经济问题，比如很多宏观计量分析基于时间序列数据。在宏观经济计量分析中，其中一个重要目标在于预测未来经济环境，而另外一个重要目标是要理解一系列可能相关变量间的关系，或者发现经济系统或某一特定市场的发展动态。

致中国读者
译者序
编者简介
译者简介
前言
第1章  基础工作与概述
1.1  引言
1.2  制定经济计量方案
1.3  获取数据
1.4  数据处理
1.5  各章概要
第2章  单变量时间序列分析
2.1  时间序列的特征
2.2  平稳性和单整随机过程
2.3  一些常用的时间序列模型
2.4  参数估计
2.5  模型设定
2.6  模型检测
2.7  单位根检验
2.8  单变量时间序列预测
2.9  实例
2.10  本章总结及展望
第3章  向量自回归与向量误差修正模型
3.1  引言
3.2  VAR与VECM
3.3  估计
3.4  模型设定
3.5  模型检测
3.6  VAR过程和VECM预测
3.7  格兰杰因果关系分析
3.8  一个实例
3.9  扩展讨论
第4章  结构向量自回归建模和脉冲响应
4.1  引言
4.2  模型
4.3  脉冲响应分析
4.4  结构参数估计
4.5  脉冲响应的统计推理
4.6  预测误差方差分解
4.7  实例
4.8  结论
第5章  条件异方差
5.1  经验价格过程的典型事实
5.2  单变量GARCH模型
5.3  多变量GARCH模型
第6章  平滑转换回归模型
6.1  引言
6.2  模型
6.3  建模过程
6.4  两个经验实例
6.5  最后总结
第7章  非参数时间序列模型
7.1  引言
7.2  局部线性估计
7.3  窗宽和滞后项选择
7.4  诊断
7.5  条件波动建模
7.6  局部线性季节模型
7.7  例1：美国平均周工作时间
7.8  例2：XETRA DaX指数
第8章  JMulTi软件
8.1  JMulTi介绍
8.2  JMulTi中的数字、日期和变量
8.3  数据集的处理
8.4  选择、转换和创建时间序列
8.5  JMulTi中的变量管理
8.6  为计量经济软件开发者们提供的注意事项
8.7  结论
参考文献
符号和缩写表