《时间序列分析》课程教学大纲
课程编号：33330775课程名称：时间序列分析
课程基本情况：
1．学分：3 学时：51学时（课内学时：45 课内实验：6）2．课程性质：专业必修课
3．适用专业：统计学适用对象：本科
4.先修课程：概率论、数理统计、随机过程
5．首选教材：王燕：《应用时间序列分析》，中国人民大学出版社，2008出版。
备选教材：王振龙等编著：《时间序列分析》，中国统计出版社，2000年。
6．考核形式：闭卷考试
7．教学环境：多媒体教室及实验室
一、教学目的与要求
本课程是数理统计学的一个重要分支，先期需完成的课程有概率论、随机过程。
通过本课程的学习，使学生掌握时间序列数据的分析方法，包括时间序列简介、平稳时间序列分析、时间序列分解、非平稳序列的随机分析、多元时间序列分析。
利用Eviews软件进行本课程的实验教学。
二、教学内容及学时分配
课程内容及学时分配表
三、教学内容安排
第一章时间序列分析简介
【教学目的】1、了解时间序列的定义及常用分析方法；2、掌握时间序列的几个基本概念：随机过程、平稳随机过程、非平稳随机过程、自相关、记忆性。
【教学重点】时间序列的相关概念。
【教学难点】随机过程、系统自相关性。
【教学方法】课堂讲授
【教学内容】
第一节时间序列的定义
第二节时间序列分析方法
第三节时间序列分析软件EVIEWS简介
第二章时间序列的预处理
【教学目的】1、掌握平稳性检验的原理和方法；2、掌握纯随机性检验的原理和方法。
【教学重点】平稳时间序列的定义及统计性质。
【教学难点】时间序列的相关统计量。
【教学方法】课堂讲授
【教学内容】
第一节平稳性检验
一、特征统计量
二、平稳时间序列的定义
三、平稳时间序列的统计性质
四、平稳时间序列的意义
五、平稳时间序列的检验
第二节纯随机性检验
一、纯随机序列的定义
二、白噪声序列的定义
三、纯随机性检验
第三章平稳时间序列序列分析
【教学目的】1、理解ARMA模型的定义及性质。
2、掌握平稳序列建模方法。
3、掌握平稳时间序列的预测
【教学重点】平稳时间序列建模
【教学难点】模型识别，参数估计，序列预测
【教学方法】课堂讲授与上机实验
【教学内容】
第一节方法性工具
一、差分运算
二、延迟算子
三、线性差分方程
第二节 ARMA模型的性质
一、AR模型
二、MA模型
三、ARMA模型
第三节平稳序列建模
一、建模步骤
二、样本自相关系数与偏相关系数
三、模型识别
四、参数估计
五、模型检验
六、模型优化
第四节序列预测
一、线性预测函数
二、预测方差最小原则
三、线性最小方差预测的性质
四、修正预测
第四章非平稳序列的确定性分析
【教学目的】1、理解时间序列的分解原理。
2、掌握时间序列的确定因素分解、趋势分解、季节效应分解方法。
3、了解时间序列综合效应分解方法。
4、了解X-11过程。
【教学重点】时间序列趋势分解和季节效应分解。
【教学难点】季节效应时间序列的预测
【教学方法】课堂讲授与上机实验
【教学内容】
第一节时间序列的分解
一、Wold分解定理
二、Cramer分解定理
第二节确定性因素分解
第三节趋势分析
一、趋势拟合法
二、平滑法
第四节季节效应分析
第五节综合分析
第六节 X-11过程
第五章非平稳序列的随机分析
【教学目的】1、掌握ARIMA模型。
2、掌握残差自回归模型。
3、掌握条件异方差模型。
【教学重点】ARIMA模型的建模。
【教学难点】条件异方差模型结构及应用
【教学方法】课堂讲授
【教学内容】
第一节差分运算
一、差分运算的性质
二、差分方式的选择
三、过差分
第二节 ARIMA模型
一、ARIMA模型的结构
二、ARIMA模型的性质
三、ARIMA模型建模
四、ARIMA模型预测
五、疏系数模型
六、季节模型
第三节残差自回归模型
一、模型结构
二、残差自相关检验
三、模型拟合
第四节异方差的性质
一、异方差的影响
二、异方差的直观诊断
第五节方差齐性变换
一、使用场合
二、转换函数的确定
第六节条件异方差模型
一、模型结构
二、模型拟合
第六章多元时间序列分析
【教学目的】1、掌握平稳多元时间序列建模。
2、掌握单位根检验。
3、理解虚假回归、协
整的概念及应用。
4、了解误差修正模型。
【教学重点】平稳多元时间序列建模。
【教学难点】虚假回归、协整的应用
【教学方法】课堂讲授与上机实验
【教学内容】
第一节平稳多元序列建模
第二节虚假回归
第三节单位根检验
一、DF检验
二、ADF检验
三、PP检验
第四节协整
一、单整的概念
二、协整检验
第五节误差修正模型
参考书目
1. Ruey S.Tsay著，潘家柱译：《金融时间序列分析》，机械工业出版社，2006年出版。
2．王振龙等编著：《时间序列分析》，中国统计出版社，2000年出版。
3. 安鸿志等编著：《时间序列的分析与应用》，科学出版社，1986年。