基礎的な考え方を丁寧に説明すると共に，時系列モデルを実際のデータに応用する際に必要な知識を紹介。〔内容〕基礎概念／ARMA過程／予測／VARモデル／単位根過程／見せかけの回帰と共和分／GARCHモデル／状態変化を伴うモデル 1.　時系列分析の基礎概念 1.1　時系列分析の基礎 1.2　定常性 1.3　ホワイトノイズ 1.4　自己相関の検定 2.　ARMA過程 2.1　ARMA過程の性質 2.2　ARMA過程の定常性と反転可能性 2.3　ARMAモデルの推定 2.4　ARMAモデルの選択 3.　予測 3.1　予測の基礎　 3.2　AR過程の予測 3.3　区間予測 3.4　MA過程の予測 3.5　ARMA過程の予測 4.　VARモデル 4.1　弱定常ベクトル過程 4.2　VARモデル 4.3　グレンジャー因果性 4.4　インパルス応答関数 4.5　分散分解 4.6　構造VARモデル 5.　単位根過程 5.1　単位根過程の性質 5.2　単位根検定 5.3　単位根AR過程における統計的推測 6.　見せかけの回帰と共和分 6.1　見せかけの回帰 6.2　共和分 6.3　Granger表現定理 6.4　共和分関係の推定 6.5　共和分の検定 7.　GARCHモデル 7.1　ボラティリティのモデル化の重要性 7.2　GARCHモデル 7.3　GARCHモデルの統計的推測 7.4　多変量GARCHモデル 7.5　相関変動モデル 8.　状態変化を伴うモデル 8.1　閾値モデル 8.2　平滑推移モデル 8.3　マルコフ転換モデル