时间序列分析是数理统计的一个专业分支，其分析方法遵循概率统计的基本原理。但是由于时间的不可重复性，使得我们在实际观测某个变量时在任意时刻只能获得唯一的序列观察值，这种特殊的数据结构导致时间序列有其特殊、自成体系的一套分析方法。

本课程是时间序列分析的入门课程，其内容主要包括：时间序列的基本概念；时间序列的平稳性检验与纯随机性检验；平稳时间序列的随机分析方法；非平稳时间序列的随机分析方法；非平稳时间序列的确定性分析方法以及多元时间序列分析。

对于金融数学的学生来说，本课程提供了分析时间序列数据的方法和工具，学习本课程可以提高数据分析能力，同时，在学习的过程中，通过对课程中相关案例的学习，也能够提升同学们分析和解决金融中实际问题的能力。

        学习《时间序列分析》课程需要有一定的数学基础，如果你对微积分和概率论与数理统计方面的知识有一定的了解，就能相对轻松地学好《时间序列分析》课程。

第一章 时间序列分析简介

1.1 平稳时间序列的定义

1.2 平稳时间序列的统计性质和意义

第一章PPT

第二章 时间序列的预处理

第二章PPT

2.3 平稳性的检验

2.5 纯随机性检验

2.4 纯随机序列的定义和性质

2.1 平稳时间序列的定义

2.2 平稳时间序列的统计性质和意义

第一、二章讨论题

第一次单元测验

第三章 平稳时间序列分析

3.2 平稳时间序列模型的概念

3.8 平稳时间序列模型的预测（1）

3.1 方法性工具介绍

3.7 平稳时间序列模型的检验及优化

3.9 平稳时间序列模型的预测（2）

3.11 平稳时间序列建立的案例

第三章PPT

3.6 平稳时间序列模型的参数估计

3.10 平稳时间序列模型的建模过程

3.4 平稳时间序列模型的统计性质（1）

3.3 时间序列模型平稳性的判定

3.5 平稳时间序列模型的统计性质（2）

第三章讨论题

第二次单元测验

第四章 非平稳序列的随机分析

4.4 ARIMA模型预测

4.9 残差自回归模型（2）

4.10 方差齐性变换

4.8 残差自回归模型（1）

第四章PPT

4.1 非平稳时间序列的构成

4.2 非平稳时间序列的平稳化方法

4.7 乘积季节模型

4.5 疏系数模型

第四章讨论题

4.6 简单季节模型

4.11 ARCH模型

4.3 ARIMA模型

4.12 GARCH模型

第三次单元测验

第五章 非平稳序列的确定性分析

5.4 X-11季节调整模型的计算过程

5.7 X-12-ARIMA模型案例

5.1 确定性因素分解

第五章PPT

5.6 X-12-ARIMA模型的操作步骤

5.3 移动平均方法（2）

第四次单元测验

第五章讨论题

5.2 移动平均方法（1）

5.8 指数平滑预测

5.5 X-11季节调整模型案例

第六章 多元时间序列分析

6.2 虚假回归

6.5 ADF检验

6.3 四种重要的非平稳过程

第六章讨论题

第六章PPT

6.1 平稳多元时间序列模型

6.7 误差修正模型

6.6 协整

6.4 DF检验

第五次单元测验

参考教材

1.王燕：《应用时间序列分析》（第四版），中国人民大学出版社，北京

2.詹姆斯.D.汉密尔顿：《时间序列分析》，中国人民大学出版社，北京

3.Rueyt S. Tsay【美】：《金融时间序列分析》，机械工业出版社，北京

4. 张晓峒：《计量经济学》，清华大学出版社，北京

5. 高铁梅，《计量经济方法与建模-EViews应用及实例》（第三版），清华大学出版社，北京