《应用时间序列分析》教学大纲.docVIP

PAGE

PAGE5

《应用时间序列分析》教学大纲

课程名称及代码：应用时间序列分析英文名称：AppliedTimeSeriesAnalysis

课程学分与学时：3+0.5分/64学时（课堂讲授48学时，实验实践16学时，自主学习0学时）

先修课程：微积分、高等代数、概率论与数理统计等

适用专业：应用统计学

一、课程性质、目的与任务

时间序列分析是统计学科中的一个重要分支，可以视为数理统计学课程的一个应用延伸，它主要研究随着时间的变化变量发生、发展的过程，寻找事物发展变化的规律，并预测未来的趋势。其理论与方法已广泛应用于天文、气象、水文、医学、物理、化学、经济和金融等众多领域，成为众多行业经常使用的统计方法。

本课程是应用统计学专业的专业必修的方向课程，要求学生在有微积分、线性代数、概率统计初步知识的基础上进行学习。了解和掌握时间序列分析的基本概念、统计思想和数据处理方法，建模流程，培养他们解决某些相关实际问题的能力。教学上以统计思想为主线，结合统计统计软件为工具，深入浅出的介绍现代时间序列分析的基本理论和应用。

二、教学内容与学时分配

第一章时间序列分析简介（3学时）

1.教学内容：

时间序列概述、时间序列的定义、时间序列的分析方法。

2.教学目的及要求：

要求学生掌握时间序列的基本含义和应用领域，知道时序序列时间和随机状态两个表达维度，知道描述性时序分析和统计时序分析的区别。了解时序分析常用软件及基本操作。

第二章时间序列的预处理（6学时）

1.教学内容：

平稳时间序列的定义和统计特征、时序图和自相关图、平稳性检验、纯随机性（白噪声）检验。

2.教学目的及要求：

掌握平稳性（严平稳、宽平稳）的定义和其意义，掌握平稳时序的基本统计性质，会根据时序图或自相关图初步判断时间序列的平稳性特征，掌握白噪声（纯随机序列）的定义和性质，了解Barlett定理，会用Box统计量检验序列的纯随机性。

第三章平稳时序分析（12学时）

1.教学内容：

方法性工具（差分算子、延迟算子等）、AR模型的性质、MA模型的性质、ARMA模型的性质、平稳序列的建模、序列预测。

2.教学目的及要求：

掌握时序分析的基本表达工具：差分算子、延迟算子和线性差分方程；掌握ARMA模型的基本概念、统计性质、自相关和偏自相关的表现特征；掌握AR模型的平稳性和MA模型的可逆性；掌握平稳时序的建模流程：模型识别、参数估计方法、模型检验和优化；掌握序列预测的基本原理和预测方法。

第四章非平稳时序的确定性分析（6学时）

1.教学内容：

时间序列的分解，确定性因素分解，确定性趋势分解，季节效应分析，确定趋势和季节的综合效应分析。

2.教学目的及要求：

掌握时序Wold、Cramer分解定理；了解非平稳的确定因素和随机因素的区别；掌握确定性因素分解的几个成分；会用拟合法和平滑法处理确定性趋势；了解确定性季节分析；掌握确定性因素分析的综合模型和分析方法。

第五章非平稳序列的随机分析（15学时）

1.教学内容：

差分运算和过差分，ARIMA模型的结构和性质，确定趋势下的残差自回归模型，异方差的性质，方差齐性变换，条件异方差模型（ARCH、GARCH和GARCH的延伸模型）。

2.教学目的及要求：

掌握随机游走和带漂移项的随机游走序列性质，掌握差分运算的实质，掌握过差分的概念；掌握ARIMA模型的结构和性质；掌握ARIMA模型的建模和预测流程；了解随机性季节模型；了解残差自回归建模；了结异方差的性质和影响；了解方差齐性变换；了解ARCH、GARCH模型和GARCH模型的一些延伸模型的性质和应用。

第六章多元时间序列（6学时）

1.教学内容：

平稳多元序列建模，虚假回归，单位根检验，协整和误差修正模型。

2.教学目的及要求：

了解多元时序的含义；了解平稳多元时序的建模原理；掌握什么是虚假回归；掌握单位根ADF检验的原理；了解单整合协整的概念和多元时序变量的协整检验；初步掌握误差修正模型。

课程实验（16学时）

一、实验准备

二、实验内容

统计软件操作介绍，如R语言，或Eviews等；时间序列数据数据的读入、整理和显示；

时间序列的初步判断，自相关和偏自相关的计算和图形，平稳性与纯随机性；

ARMA模型的识别，参数估计，模型检验，优化和预测；

非平稳序列的确定性分析，确定性趋势分析和季节效应分析；

非平稳序列的随机性分析，差分运算，ARIMA模型的建立；

条件异方差模型，ARCH、GARCH等；

多元时间序列的分析，单位根检验，协整检验和误差修正模型。

三、教学方法与手段

本课程是数学与应用统计学的专业必修的方向课程，教学内容包括时间序列的预处理，平稳时间序列分析，非平稳时间序列的确定性分析，非平稳序列的随机分析，多元时间序列分析初步等