课程教学大纲_时间序列分析

《时间序列分析》教学大纲

课程编号：120403B

课程类型：□通识教育必修课□通识教育选修课

□√专业必修课□专业选修课

□学科基础课

总学时：48 讲课学时：32实验（上机）学时：16

学分：3

适用对象：统计学、经济统计学

先修课程：概率论、数理统计

毕业要求：

1.应用专业知识，解决数据分析问题

2.可以建立统计模型，获得有效结论

3.掌握统计软件及常用数据库工具的使用

4.关注国际统计应用的新进展

5.基于数据结论，提出决策咨询建议

6.具有不断学习的意识

7.扎实的数学基础和完整的统计知识体系

8.计算机编程技能与经济学基本常识

9.解决实际问题的能力，具有获取新知识的能力和创新意识

一、课程的教学目标

时间序列分析是一种根据动态数据特征揭示系统动态结构和规律的统计方法，是统计学的一个分支。通过本课程的学习让学生掌握时间序列分析的基本原理、方法、模型，重点培养学生运用相关软件包进行经济金融学定量实证分析的能力，为以后的理论应用研究打下坚实的基础。本课程要求学生掌握时间序列分

析的基本概念和模型，掌握用时间序列模型进行基本实证分析的方法。

二、教学基本要求

1. 对教学内容讲授上的要求

本课程重点讲授平稳时间序列模型的性质和建模方法，对于平稳时间序列模型的定义、平稳时间序列的类型、平稳时间序列的自协方差函数和自相关函数、平稳时间序列的性质、平稳时间序列建模中参数估计方法和白噪声检验等内容应细将、精讲，对于这些内容要结合大量案例和统计软件，使学生做到理论与实践的有机结合；其他内容应粗讲。

2. 对拟实现的教学目标所采取的教学方法、教学手段

教学方法以教师讲授为主，辅以大量的上机模拟，教学手段多样化。

3. 课程的考核方式

本课程采用上机作业和模型设计方式进行考核，其中上机练习占50%，模型设计占30%，平时考勤和作业占20%。

三、各教学环节学时分配

以表格方式表现各章节的学时分配，表格如下：（宋体，小四号字）

教学课时分配

四、教学内容（黑体，小四号字）

第一章绪论

第一节引言

1. 时间序列的定义

2. 时间序列的分类

第二节时间序列的建立

1.数据的采集

2.数据的预处理

第三节确定性时序方法概述

1.确定性时间序列模型

2.确定性时序的预测

第四节随机时序分析的基本概念

1.随机过程与平稳性

2.几种特殊的平稳序列

第五节Eviews软件入门

教学重点、难点：重点是时间序列的平稳性和白噪声，难点是离群点的检验和处理以及随机过程。

课程的考核要求：了解时间序列的定义和类型，了解时间序列数据的采集，掌握时序数据预处理思路和方法，了解确定性时间序列的几种常用模型和预测方法，理解随机过程的概念，理解随机过程平稳性的涵义，掌握白噪声过程的特征等。

复习思考题：

1.时间序列是如何建立的？

2.什么是随机过程的平稳性，并说明严平稳和宽平稳之间的关系。

3.如何检验时序数据的离群点？

4.确定性时间序列趋势的预测方法有哪些？

第二章线性平稳时间序列模型

第一节自回归模型

1.一阶自回归模型

2.多阶自回归模型

第二节滑动平均模型

1.一阶滑动平均模型

2.多阶滑动平均模型

第三节自回归滑动平均模型

1.自回归滑动平均模型的一般形式

2.ARMA模型的特性

教学重点、难点：ARMA模型的特性。

课程的考核要求：了解线性平稳时间序列模型的定义，理解一阶自回归模型与普通一元线性回归模型的关系，掌握AR模型平稳性的涵义及条件，了解滑动平均模型的一般形式，理解滑动平均模型可逆性涵义及条件，掌握ARMA 模型的特性，包括平稳性、可逆性、自协方差函数等。

复习思考题：

1. AR（p）模型的基本假设，模型结构如何？

2．比较自回归模型与一元线性回归的异同。

3. 什么是自相关函数，说明自协方差矩阵的性质。

第三章平稳时间序列模型的建立

第一节模型识别

第二节模型定阶

1. 参差方差图定阶法

2. 最佳准则函数定阶法

3. ACF和CACF定价法

4. F检验定阶法

第三节参数估计

1. 自回过模型参数的估计

2. 滑动平均模型参数的估计

3. 自回归滑动平均模型参数的估计

第四节模型的诊断检验

1. 三点图法

2. 残差分析检验法

3. Box-Pierce检验法

4. F检验

第五节案例分析

教学重点、难点：重点是模型识别和参数估计的方法，难点是最佳准则函数定阶法。

课程的考核要求：了解平稳时间序列模型的建模步骤，了解模型识别的含义，理解模型识别的方法和步骤，理解最佳准则函数定阶法和ACF法的基本原理和步骤，掌握三种不同参数估计方法的异同，理解模型的适应性检验的含义及检验方法，运用残差分析方法对模型进行诊断和检验。

复习思考题：

1. 简述模型的识别方法有哪些？

2. 区分矩估计法、极大似然估计法和最小二乘法的优劣。

3. 如何对模型的适应性进行诊断？

第四章平稳时间序列模型的预测

第一节最小均方误预测

第二节条件期望预测

第三节适时修正模型

教学重点、难点：重点是最小均方误预测和条件期望预测，难点是ARMA模型预测的一般结果。

课程的考核要求：了解最小均方误的概念，理解最小均方误预测的思想及结果，掌握最小均方误的几何预测法，了解条件期望的含义与规定，理解运用模型的逆转形式进行预测的方法，掌握差分方程形式进行预测的方法，理解ARMA模型预测的一般结果，了解适时修正模型的含义和常用方法。

复习思考题：

1. 最小均方误预测的基本原理是什么？

2. 什么是条件期望预测，简述条件期望预测的一般步骤。

3. 运用条件期望预测方法得到的ARMA模型预测一般结果是什么？