《时间序列分析》课程教学大纲.pdf

时间序列分析

课程编号：B3I09451A

课程中文名称：时间序列分析

课程英文名称：TimeSeriesAnalysis

开课学期：秋季

学分/学时：3/48

先修课程：概率论、数理统计、线性代数、微积分、回归分析等基础知识

建议后续课程：无

适用专业/开课对象：统计学专业/四年级本科生、研究生

一、课程的性质、目的和任务

本课程是数学与系统科学学院为本科生/研究生开设一门一级学科核心必修课。通过本课程的

学习，使学生获得时间序列分析的基本知识，会应用时间序列分析中的诸多方法对各种时间序列

进行数据分析和建模，本课程以理论与实践相结合，让学生在掌握理论知识的同时，与不同学科

的数据和知识相结合，突出实际案例的应用和统计思想的渗透，通过各个教学环节逐步

培养学生的数据科学思维、逻辑推理能力、时间序列分析建模与实践能力以及自学能力，为今后

学习其他统计学专业课程打下良好的基础。

本课程重点支持以下毕业要求指标点：

1.1理解时间序列的意义，掌握时序分析的基本知识，并能应用于建立和分析时间序列模型。

体现在掌握理解工程、经济、管理、社会等领域相关问题所必需的时间序列理论基础和常见的时

序模型，具有基本的时序分析素养，为以后学习后续专业课程及进一步获取时序分析知识做好必

要的准备。

2.1能应用时序分析的基本原理，使用R软件对工程、管理、社会尤其是金融、经济等领域的

复杂数据和问题进行建模，并与相关领域知识向结合训练解决复杂数据和问题的意识和能力，能

够对一些典型的问题进行建模。

二、课程内容、基本要求及学时分配

1.时间序列分析简介（2学时）

要点：时间序列分析的特点；时间序列的一些例子；R软件简介。

1

要求：了解时间序列分析软件及方法。

2.一元时间序列的基本概念和模型（6学时）

要点：时间序列的平稳性及相关性度量；白噪声和随机游走；趋势平稳过程；一般线性模型

与ARMA模型；季节模型。

要求：熟练掌握自相关图检验，理解纯随机性的检验统计量。

3.一元时间序列的数据拟合和预测（学时）

要点：ARMA模型的最大似然估计和矩估计方法；ARMA模型预测的基本数学原理；差分、

平滑和时间序列的分解；ARMA模型和ARIMA模型的比较。

要求：熟练掌握一些估计和预测方法的基本数学原理，掌握时序分析的一些常用方法。

4.单位根检验

要点：单整和单位根的概念和意义；单位根检验的几种方法。

要求：掌握单位根检验的意义和适用范围；熟练使用单位根检验的集中方法。

5.多元时间序列的基本概念和模型

要点：多元时间序列的平稳性；交叉协方差矩阵和相关矩阵；VARMA模型；协整模型和Granger

因果检验。

要求：掌握平稳多元时间序列建模；理解虚假回归的意义，掌握单位根检验方法。理解协整

检验的概念，掌握协整检验方法和具体步骤。理解误差修正模型，掌握构造误差修正模型的方法。

6.多元时间序列的数据拟合和预测

要点：数据的协整检验和Granger因果检验；VAR、VARX及状态空间模型；

要求：掌握常用的几种协整检验方法和Granger因果检验并能够应用于实例；了解VAR、VAEX

及状态空间模型的适用范围和优缺点。

7.GARCH模型

要点：时间序列的波动性及描述；GARCH模型简介及拟合方法；GARCH模型的延伸。

要求：掌握GARCH模型的意义及其应用范围；能够对常见时序数据进行GARCH建模；了解

常见的GARCH延伸模型。

8.非线性时间序列

要点：非线性模型简介；自门限自回归模型；Logistic平滑过渡自回归模；神经网络模型；可

加AR模型；模型的比较；门限协整

要求：了解常见的非线性模型的形式及建模方法；了解不同非线性模型的优劣和适用场合。

9.谱分析

2

要点：周期性时间序列；谱密度；谱分布函数；自相关母函数和谱密度；时不变线性滤波器；

谱估计

要求：了解谱分析及其在周期性时序分析中的重要性；了解谱分析的与普通时序分析的关系。

三、教学方法

采取理论