20410107时间序列分析.docx

《20410107时间序列分析.docx》由会员分享，可在线阅读，更多相关《20410107时间序列分析.docx（9页珍藏版）》请在第一文库网上搜索。

1、时间序列分析(TimeSeriesAna1ysis)课程代码：20410107学分：3学时：48（其中：课堂教学学时：36实验学时：0上机学时：12课程实践学时：0）先修课程：高等数学B（I、II）、线性代数、概率统计、统计学A、数理统计、计量经济学A适用专业：统计学专业教材：应用时间序列分析，王振龙主编，中国统计出版社，2010年5月第2版开课学院：财经学院一、课程性质与课程目标（一）课程性质时间序列分析是统计学专业的一门专业必修课，也是统计学的一个重要分支。它建立在高等数学、概率论与数理统计、统计学、计量经济学、计算机技术等课程知识的基础上。时间序列分析是利用随机过程的理论和数理统计的方法

2、对随机序列的变化规律进行统计分析，其内容包括：时间序列的确定性分析、平稳时间序列的建模及预测、非平稳时间序列的建模及预测、时间序列的非平稳性检验等。时间序列分析在社会科学和自然科学的许多学科领域均得到了广泛的应用。随着计算机的普及和相关软件的开发应用，时间序列分析将在各领域中的发挥更加重要的作用。学好时间序列分析已成为对统计学专业本科生的基本要求，对于培养学生深刻理解和掌握时间序列分析的基本理论和方法，并用以分析社会经济现象的动态变动规律，进而对未来状态进行预测和控制，具有重要作用。同时也有助于提高学生解决实际问题的能力以及从事科学研究的能力，并将为学生后续的学习与实践打下重要的基础。（二）课

3、程目标时间序列分析是以时间序列的统计特征及其分析方法以及时间序列的模型的建立与预测为主要研究内容。课程体现时间序列的基本理论和分析原理，并侧重于理论在实际经济问题中的应用。通过该课程的学习，要求学生完成以下目标：课程目标1：理解统计数据的分类及其研究方法，了解时间序列的一般概念；课程目标2：掌握确定性时间序列的分析方法，并能熟练运用于实际经济问题；课程目标3：掌握平稳时间序列模型的形式、特征及基本知识，理解平稳时间序列的建模步骤及方法，能够用于解决实际经济问题；课程目标4：掌握非平稳时间序列模型的形式、特征及基本知识，理解非平稳时间序列的建模步骤及方法，能够用于解决实际经济问题；课程目标5：能

4、够熟练操作EVieWS软件进行确定性时间序列的趋势预测、季节调整，并对（非）平稳时间序列进行数据处理和建模分析；课程目标6：能够运用时间序列分析的理论方法，分析实际经济现象的变动规律，并对未来的经济进行预测和控制。二、课程内容与教学要求第一章绪论（一）课程内容1 .课程的性质、研究对象、目的与任务；2 .统计数据的分类与研究方法；3 .时间序列的一般问题。（二）教学要求1了解本课程的性质、研究对象、目的与任务；4 .掌握本课程的几个基本概念；5 .掌握时间序列的分类及研究方法；6 .了解时间序列的一般问题。（三）重点与难点1 .重点：时间序列的基本概念、时间序列的基本类型、时间序列的研究方法。

5、2 .难点：时间序列分析的主要方法。第二章确定性时间序列分析（-）课程内容1 .确定性时间序列的趋势分析及预测；2 .确定性时间序列的季节调整。(二)教学要求1 .掌握确定性时间序列的趋势模型类型及趋势预测方法；2 .掌握确定性时间序列的季节调整方法。(三)重点与难点1 .重点：确定性时间序列的趋势分析与预测的移动平均方法、指数平滑方法、趋势模型方法；确定性时间序列季节调整的移动平均方法。2 .难点：确定性时间序列的趋势分析与预测的趋势模型方法中趋势模型的识别、确定性时间序列季节调整的移动平均方法思想。第三章平稳时间序列模型(-)课程内容1. 几个基本概念；2. 1阶自回归模型AR(I);3.

6、 p阶自回归模型AR(p)；4. q阶移动平均模型MA(q)；5. 回归移动平均模型ARMA(p,q)。(二)教学要求1了解各种模型之间的区别与联系；2 .理解随机过程、时间序列、白噪声等基本概念；3 .掌握各种模型的形式。(三)重点与难点1 .重点：随机过程的基本概念、时间序列的概念、时间序列的平稳性条件、平稳时间序列模型的类型。2 .难点：随机过程等基本概念的理解、时间序列的平稳性条件。第四章自回归移动平均模型的特性(-)课程内容1 .格林函数与平稳性；2 .逆函数与可逆性；3 .ARMA模型的自协方差函数与自相关函数；4 .ARMA模型的偏自相关函数。（二）教学要求1 .理解并掌握格林函

7、数及模型的平稳性条件；2 .理解并掌握逆函数及模型的可逆性条件；3 .理解并掌握ARMA模型的自协方差函数、自相关函数、偏自相关函数的形式及特征。（三）重点与难点1 .重点：格林函数与逆函数的含义、ARMA模型的平稳性条件和可逆性条件、ARMA模型自协方差函数和（偏）自相关函数的特征。2 .难点：格林函数与平稳性条件以及可逆函数与可逆性条件的关系、ARMA模型自协方差函数与（偏）自相关函数推导过程的基本思想。第五章平稳时间序列的模型的建立（-）课程内容1 .平稳时间序列建模的一般步骤及具体应用；2 .模型的识别、定阶、参数估计和适应性检验方法。（二）教学要求1 .了解平稳时间序列建模的一般步骤

8、；2 .掌握模型识别与定阶的方法；3 .掌握模型的参数估计方法；4 .掌握模型的适应性检验方法。（三）重点与难点1 .重点：模型识别的原理、模型定阶的方法、模型适应性检验的思想。2 .难点：模型的识别的原理、模型适应性检验的思想。第六章平稳时间序列的预测（一）课程内容1 .平稳线性最小均方误差预测；2 .条件期望预测的基本概念；3 .条件期望预测的计算；4 .预测值的适时修正。（二）教学要求1 .理解平稳线性最小均方误差预测的基本概念；2 .理解条件期望预测的基本概念；3 .掌握条件期望预测的计算；4 .理解并掌握预测值的适时修正。（三）重点与难点1 .重点：条件期望的性质、条件期望预测的计算

9、、预测值的适时修正。2 .难点：对平稳线性最小均方误差预测、条件期望预测及预测值适时修正基本概念的理解。第七章非平稳时间序列分析（-）课程内容1 .平稳时间序列的特性及检验；2 .平稳时间序列的平稳化方法；3 .齐次非平稳序列模型；4 .非平稳时间序列的组合模型。（二）教学要求1 .掌握非平稳时间序列的特性与检验；2 .掌握非平稳时间序列的平稳化方法；3 .了解齐次非平稳序列模型以及非平稳时间序列的组合模型。（三）重点与难点1 .重点：非平稳性的检验方法、非平稳序列的平稳化方法、AR1MA模型的建模分析。2 .难点：非平稳序列的平稳化方法、AR1MA模型与ARMA模型的区别与联系。三、本课程开

10、设的实验项目编号实验项目名称学时类型要求支撑的课程目标1确定性时间序列的趋势分析2综合性必做课程目标2、52时间序列的季节效应分析2综合性必做课程目标2、53ARMA模型的识别、定阶、估计、检验2综合性必做课程目标3、5、64ARMA模型的预测2综合性必做课程目标3、5、65时间序列的非平稳性检验2综合性必做课程目标4、56ARIMA模型的建模分析（识另h定阶、估计、检验、预测）2综合性必做课程目标4、5、6实验1：确定性时间序列的趋势分析实验目标：实验目标1：掌握确定性时间序列趋势模型中的线性、多项式和指数趋势模型的建模原理、参数估计及预测；实验目标2：掌握时间序列趋势分析的一次、二次指数平

11、滑的原理及其预测方法。基本要求：1 .熟悉EViews软件中时间序列分析的基本步骤和常用命令；2 .掌握EViews软件对时间序列的确定趋势进行趋势模型分析；3.掌握EViews软件对时间序列的确定趋势进行指数平滑分析。实验2：时间序列的季节效应分析实验目标：实验目标1：理解确定性时间序列季节调整的移动平均法、XT1法和X-12法的基本原理和思想；实验目标2：掌握EVieWS软件的时间序列季节调整的移动平均法；实验目标3：掌握EViews软件的时间序列季节调整的X-12法。基本要求：1 .熟悉EViews软件的季节调整的方法；2 .掌握EViews软件对时间序列中的季节效应进行移动平均法调整；

12、3.掌握EViews软件对时间序列中的季节效应进行X-12法调整。实验3：ARMA模型的识别、估计、检验实验目标：实验目标1理解ARMA模型建模中模型识别、模型定阶、模型参数估计、适应性检验的基本原理、思想及采用的方法；实验目标2：掌握EVieWS软件的ARMA模型的模型识别、模型定阶、模型参数估计和模型适应性检验。基本要求：1 .熟悉零均值平稳序列ARMA模型的建模步骤；2 .掌握用EVieWS软件对零均值平稳序列进行ARMA模型建模，包括模型识别、模型定阶、参数估计、适应性检验。实验4：ARMA模型的预测实验目标：实验目标1：理解ARMA模型条件期望预测方法以及预测值的适时修正的基本思想；

13、实验目标2：掌握EVieWS软件的ARMA模型进行预测。基本要求：1 .熟悉ARMA模型的条件期望预测法以及预测值的适时修正；2 .掌握用EViews软件ARMA模型分别进行静态预测与动态预测。实验5：时间序列的非平稳性检验实验目标：实验目标1：熟悉平稳序列的特征，理解时间序列平稳性检验（DF单位根检验、ADF单位根检验、PP单位根检验）的基本原理和思想；实验目标2：掌握用EViews软件的时间序列自相关图检验序列的平稳性；实验目标3：掌握EVieWS软件的时间序列平稳性检验（DF单位根检验、ADF单位根检验、PP单位根检验）方法。基本要求：1 .熟悉平稳序列的特征，以及平稳性检验方法；2 .

14、掌握用EViews软件的序列自相关图检验序列的平稳性；3 .掌握EVieWS软件的时间序列平稳性检验（DF单位根检验、ADF单位根检验、PP单位根检验）方法。实验6：ARIMA模型的建模分析实验目标：实验目标1：对AR1MA模型的建模步骤：平稳性检验、序列的平稳化、模型识别、模型定阶、模型参数估计、适应性检验、模型预测，理解其中的基本原理、思想及采用的方法；实验目标2：掌握EVieWS软件的ARIMA模型的序列平稳化、模型识别、模型定阶、模型参数估计和适应性检验;实验目标3：掌握EVieWS软件的AR1MA模型预测。基本要求：1 .熟悉非平稳序列ARMA模型的建模步骤；2 .掌握用EVieWS软件对非平稳序列进行AR1MA模型建模，包括平稳性检验、序列的平稳化、模型识别、模型定阶、参数估计、适应性检验；3 .掌握用EViews软件对非平稳序列进行ARIMA模型预测。四、学时分配及教学方法章名教学形式及学时分配主要教学方法支撑的课程目标课堂教学实验上机课程实践小计第一章绪论22讲授法课程目标1第二章确定性时间序列分析448讲授法、研究型教学方法课程目标2、5第三章平稳时间序列模型88讲授法课程目标3第四章自回归移动平均模型的特性88讲授法课程目标3第五章平稳时间序列的模型的建立628讲授法、研究型教学方法课程目标3、5、6第六章平稳时间序列的预测4