《时间序列分析》-课程教学大纲.doc

PAGE PAGE 29 《时间序列分析》课程教学大纲 一、课程基本信息 课程代码课程名称：时间序列分析 英文名称：Time Series Analysis 课程类别：专业课 学 时：32（其中课堂讲授16学时，实验16学时） 学　　分：2 适用对象: 经济类统计专业和金融专业本科生 考核方式：考试 先修课程：微积分、线性代数、概率论、统计学 二、课程简介 时间序列分析课程简介 思想政治教育工作是人才培养的首要工作。时间序列分析作为统计学的一门专业基础必修课，教学中必须深入贯彻教育部《高等学校课程思政建设指导纲要》和学校《关于开展课程思政与思政课程建设专项活动的通知》，加强学生思想政治教育工作贯穿整个数据分析过程。 在自然科学、社会科学、经济科学诸多领域中，人们常需要对一系列的观察数据进行分析研究，这些按时间排列的数据，由于受到各种偶然因素的影响，表现出某种随机性，并且彼此之间存在某种统计上的依赖关系，时间序列分析不仅可以从数量上揭示某一现象发展变化规律，达到认识客观世界之目的；而且运用时序模型还可以预测和控制现象的未来行为，修正或重新设计系统以达到改造客观世界的目的。因此，从时间序列分析的性质来看，时序分析不仅是认识客观世界的工具，也是改造客观世界的工具，教学中强调实事求是精神。 近年来，时间序列分析在我国的气象、天文、地质、农林、生物、医学、化工、冶金、机械、经济、管理等部门和领域得到了广泛的应用，特别在经济界，越来越多的实际工作者开始了解并运用时间序列分析方法。随着改革的深入和经济的发展，我国经济领域中存在着大量数据资料需要进行分析处理，并需要进一步用科学的方法进行预测、决策，因此，时间序列分析方法在经济界的推广普及已势在必行了。 本课程的主要内容有：时间序列分析的基本概念，时间序列建模的基本步骤，记忆函数，自回归（AR）模型，滑动平均（MA）模型，自回归滑动平均（ARMA）模型，平稳模型的自相关函数及偏自相关函数的特征，平稳模型的识别方法，有趋势数据建模，单位根检验，决定性趋势和随机性趋势，趋势的剔出，自回归求和滑动平均（ARIMA）模型的特性与它们的识别方法，模型参数估计方法，模型诊断检验方法，利用模型进行预测，季节性数据的建摸方法，传递函数模型、干预分析，异常点的种类及查找办法，带ARIMA误差的回归模型，方差（ARCH）模型，广义异方差（GARCH）模型，多元自回归模型（VAR）,Granger因果检验，结构VAR模型，方差分解，协整与误差修正模型等等。 Introduction of Time Series Analysis In the natural science, social science and economic science, people must analysis series of observed data. These data ordered by time, show some random characteristic and they have some kind of statistical dependent relations each other. Time series analysis not only can reveal the developing pattern of some phenomena from the quantity direction ,so, we can get to know the objective world, but also it can forecast and control the future of phenomena by using time series models, readjust or redesign the system, such that, we can rebuild the objective world. For this reasons, time series analysis is not only the tool of getting to know the objective world, but also the tool of rebuilding the objective world. In recently years, time series analysis has been wide-ranging used in meteorology, astronomy, geology, agriculture and forestry, biolog