时间序列分析课程论文.docVIP

时间序列分析 课程论文 题 目 关于《时间序列分析》课程的总结 姓 名 学 号 专业年级 精算1001班 学　　院 　 统计与数学学院　　　　　 指导教师 职 称 教授 2012 年 12 月 15 日 摘 要：时间序列分析是一门通过具体时间序列数据归纳出具体数学模型，并由模型来预测未来发展的实用性学科。本门课程介绍了时间序列分析的基本理论和方法，以及一些具体的模型分析。 关键词：课程总结 模型分析 学习心得 课程内容总结 时间序列分析是统计学中的一个非常重要的分支，是以概率论与数理统计为基础，计算机应用为技术支撑，迅速发展起来的一种应用性很强的科学方法。时间序列是变量按时间间隔的顺序而形成的随机变量序列，大量自然界，社会经济等领域的统计指标都依年，季，月或日统计其指标值，随着时间的推移，形成了统计指标的时间序列，例如，股价指数，物价指数，GDP和产品销售量等等都属于时间序列。 本门课系统的介绍了时间序列分析的基本理论和方法，在理论上，本书着重讨论经典ARMA模型，同时又对最新的时间序列模型加以介绍，例如ARCH模型族，ECM模型和处理高频，据的ACD模型等等。 本门课的主讲教材是复旦大学出版社出版的《应用时间序列分析》，课程传授也根据课本分为十一章，而本学期我们一共学习了前九章的内容，所以在此就只做前九章的课程总结。 时间序列分析概论 第一章“时间序列分析导论”分三节介绍了时间序列分析的基本思想和一般理论，讨论了时间序列分析的主要任务和建模过程。 第一节“时间序列的定义及例子”介绍了时间序列的定义，即有大量的数据是按照时间顺序排列的，用数学方法来表述就是使用一组随机序列表示随机事件的时间序列，简记为。时间序列的一个显著特征就是记录的相依性。本节还介绍了相关的例子，包括太阳黑子的变化数据，我国居民消费价格指数数据等等。 第二节“时间序列分析方法简介”主要介绍了时间序列分析方法，早期的研究分为频域分析方法和时域分析方法，随着计算技术的飞速发展，H.Tong利用分段线性化构造模型的思想提出了门限自回归模型，开创了非线性时间序列分析的先河。在时间序列分析方法的发展历程中，商业，经济，金融等领域的应用始终起着重要的推动作用，时间序列分析的每一步发展都与应用密不可分。 第三节“时间序列分析软件”介绍了时间序列分析软件，包括SAS,Eviews等。 时间序列分析的基本概念 第二章“时间序列分析的基本概念”详细地介绍了时间序列分析的一些基本概念，重点介绍平稳性，自协方差函数和样本自协方差函数的概念。 第一节“随机过程”主要介绍随机过程的含义以及Kolmogorv定理。随机过程是概率空间上的一族随机变量,其中t是参数，它属于某个指标集T，T称为参数集。Kolmogorv定理则是指若分布函数族满足对称性与相容性，则存在随机过程恰好是的有限维分布族。 第二节“平稳过程的特征及遍历性”主要介绍平稳过程的特征及遍历性。设X=(X(t),tT）是一个取复数值的随机过程，其中指标集T为整数或实数全体（分别称为离散指标和连续指标）。如果对任意的自然数n及任意的t1，t2，…tn， 的概率分布与（X(t1），X(t2），…，X(tn））的概率分布相同，则称X为严平稳过程。如果二阶绝对矩，而且对任意的t，τT，均值（见数学期望）EX(t）常数，协方差（与τ无关），则称X为宽平稳过程。Г（t）称为X 的协方差函数。一个严平稳过程，如果它的二阶矩有穷，则一定也是宽平稳的（见矩）。设为一平稳过程，若或者，则称 X 的均值有遍历性。，及前一期的y之间存在如下动态方程：，则此方程成为一阶线性差分方程。若动态系统中输出依赖于它的P期滞后值以及输入变量：，则此方程称为p阶差分方程。 第四节“时间序列数据的预处理”主要介绍时间序列数据的预处理。该预处理包括平稳性检验，正态性检验，独立性检验以及离群点的检验与处理。平稳性检验包括参数检验法，非参数检验法以及时序图检验法。独立性检验则主要有一个Bartlett公式需要注意一下。 线性平稳时间序列分析 第三章“线性平稳时间序列分析”分别讨论AR模型，MA模型，ARMA模型的平稳条件和可逆条件，给出平稳ARMA模型自相关系数和偏自相关系数的特征。 第一节“线性过程”主要介绍的是线性过程及其因果性与可逆性。成为线性过程，若。其中，是白噪声序列，系数序列满足。 第二节“自回归过程AR(p)”主要介绍自回归过程AR(p)。为零均值平稳序列，满足如下差分方程： 其中，为的依赖程度，为白噪声序列，满足，则称满足