自Sims ^[88] 提出VAR模型及Tiao等 ^[89] 提出VARMA模型用于多维时间序列建模的相依联系后，多维线性时间序列模型的研究得到了很大的发展，在多维时间序列的理论探索和实际应用中起到了重要的作用.然而，在实际问题中，不能用线性模型描述的非线性现象广泛存在，如非对称循环、时间不可逆性、混沌，以及经济金融领域非对称商业周期和股市波动率等.因此对多维非线性时间序列建立图模型，并分析时间序列之间的相依联系，具有重要的理论和应用价值.

多维时间序列图模型涉及时间序列之间复杂的直接和间接相依联系，因此成对的独立性检验不能满足要求，需要发展适用于时间序列的条件独立性检验方法.Granger 等 ^[78] 提出基于 Shannon 熵的互信息统计量.Prichard ^[85] 指出，基于关联积分估计的2阶Renyi熵度量具有快速的算法.用于度量条件独立性更合适的统计量是条件互信息.本章主要介绍检验非线性时间序列相依联系的条件互信息统计量及其性质，然后提出了多维时间序列的条件互信息图模型，并分析了分量序列之间存在的线性和非线性相依联系. iWbe+Es1QRRu6AyrLe9eFj7geWftYJ8WEfL7PZ9IDxKg4id9EBJFTnf11k1K0RwT