时间序列分析

1、课程号： 20115830课程名称：时间序列分析总学时： 51学分： 3开课学期：时间序列分析是一门实用性极强的课程。近年来，时序分析已普遍应用于工农业生产、科学技术和社会经济生活的许多领域。本课程着重介绍时序的时域分析方法，通过该课程的学习，使学生掌握时间序列的基本概念以及时序的分类，学会对具体时序的分析步骤与建模方法，进而掌握如何判断已建立模型与原来数据的适应性及对未来值的预报。简单为学生介绍谱分析的基本思想，为学生进一步学习有关专业课程作好准备。第一章第一章时间序列的基本概念一、基本内容 ：时间序列的定义、特征及其分类，严平稳、宽平稳的定义，白噪声的性质，时序的样本均值、方差的估计等。二

2、、基本要求1、 1、 了解时序的分析定义及分类2、 2、 掌握平稳时序的定义，理解严平稳与二阶宽平稳之间的关系3、 3、 掌握时序样本均值、方差、协方差的计算三、 三、建议课时安排（ 6 学时）1、时序的分析定义及特征1 学时2、时序的分类1 学时3、严平稳和宽平稳之间的关系2学时4、 4、 时序样本均值、方差、协方差的计算2学时第二章平稳时序模型一、基本内容 ：掌握随机差分方程的求解，了解AR 、 MA 、 ARMA模型的形式及基本假设二、基本要求1、掌握随机差分方程的求解2、掌握 AR 、 MA 、模型的形式及基本假设3、掌握 ARMA 模型的形式及基本假设三、建议课时安排（ 6 学时）1

3、、随机差分方程的求解2 学时2、 AR 、MA 、模型的形式及基本假设2 学时3、 ARMA模型的形式及基本假设2 学时第三章 ARMA 模型的特性一、一、基本内容 ：Green 函数和平稳性，逆函数和可逆性， ARMA 的传输形式和逆转形式， Green 函数和逆函数的物理意义，偏相关函数的计算。二、二、基本要求 ：1、理解 Green 函数及物理意义2、理解逆函数及其物理意义3、掌握 ARMA模型的传输形式和逆转形式4、掌握偏相关函数的定义及计算三、三、建议课时安排：（12 学时）1、 Green 函数及物理意义2 学时2、逆函数及其物理意义3、ARMA模型的传输形式和逆转形式4、偏相关函

4、数的定义及计算5、AR 序列的 PACF 特性， MA 序列的ACF特性2 学时2 学时3 学时3 学时第四章平稳时序建模一、 基本内容 ：模型识别、定阶、参数估计及适应性检验二、 基本要求 ：2、 2、 学会如何识别模型及定阶2、掌握模型参数的估计方法3、了解独立性检验三、 建议课时安排：（9 学时）1、识别模型及定阶3 学时2、模型参数的估计方法4 学时3、独立性检验2 学时第五章平稳时序预报一、一、基本内容：条件期望预报、递推预报公式、指数平滑预报、逆函数预报方法二、二、基本要求：1、1、 会用条件期望进行预报2、 2、 掌握递推预报公式和指数平滑方法3、 3、 了解逆函数预报方法三、建议课时安排（ 8 学时）1、条件期望预报2、递推预报公式和指数平滑预报3、逆函数预报方法2 学时3 学时3 学时第六章非平稳时序分析一、 基本内容 ：平稳性检验及平稳化方法， ARIMA 模型、组合模型、乘积季节模型，季节序列的相关分析及建模二、 基本要求 ：1、了解平稳性检验的几种方法2、学会准平稳序列的平稳化方法3、掌握 ARIMA模型及乘积季节模型的建立，了解组合模型