时间序列分析(2023秋)
时间序列分析(2023秋)
少于1000 人选课
更新日期:2025/05/06
开课时间2024/03/06 - 2024/07/15
课程周期19 周
开课状态已结课
每周学时-
课程简介

本课程系统的介绍了时间序列的定义、一元时间序列及多元时间序列的分析方法。讲解了时间序列的两种预处理方式:平稳性检验与纯随机性检验。重点介绍平稳时间序列的分析、建模及预测,如AR、MA、ARMA三个模型;并针对非平稳时间序列,介绍其平稳化的一些方法,如差分运算等,以及对非平稳时间序列的分析及建模方法,如ARIMA模型,确定性因素分解法等。

课程大纲

第一章 时间序列分析

  • 1.1 时间序列分析的定义
  • 1.2 统计时序分析

第二章 时间序列的预处理

  • 2.1 平稳性检验
  • 2.2 纯随机性检验

时间序列分析

  • 3.1 差分运算和延迟算子
  • 3.2 AR模型的结构
  • 3.3 格林函数
  • 3.4 AR模型平稳性判别-特征根判别
  • 3.5 AR模型平稳性判别-自回归系数判别
  • 3.6 AR模型的统计性质
  • 3.7 MA模型的结构
  • 3.8 MA模型的统计性质
  • 3.9 MA模型的可逆性
  • 3.10 MA模型的逆转形势及可逆函数
  • 3.11 MA模型可逆性判别
  • 3.12 ARMA模型的结构
  • 3.13 平稳条件和可逆条件
  • 3.14 ARMA模型的性质
  • 3.15 平稳序列建模步骤、模型识别和参数估计
  • 3.16 模型检验
  • 3.17 模型优化及预测

非平稳时间序列的确定性分析

  • 4.1 时间序列的分解
  • 4.2 确定性因素分解
  • 4.3 趋势分析
  • 4.4 季节效应分析
  • 4.5 X11季节调整模型

非平稳时间序列的随机分析

  • 5.1 差分运算
  • 5.2 ARIMA模型结构和性质
  • 5.3 ARIMA模型建模
  • 5.4 疏系数模型
  • 5.5 季节模型

多元时间序列分析

  • 6.1 平稳时间序列建模
  • 6.2 虚假回归
  • 6.3 单位根检验
  • 6.4 协整
  • 6.5 误差修正模型

实验分析

  • 7.1 实验分析