《金融时间序列分析》教学大纲

1、金融时间序列分析Analysis of Financial Time Series一、课程基本情况课程类别：专业主干课课程学分：3 学分课程总学时：48 学时，其中讲课：32学时，实验（含上机）：16学时，课外0学时课程性质：必修开课学期：第5学期先修课程：高等数学，线性代数，概率论与数理统计适用专业：金融工程教 材：王燕，应用时间序列分析，中国人民大学出版社， 2005开课单位：经济管理学院 金融保险系二、课程性质、教学目标和任务课程性质：时间序列分析是统计学中的一个非常重要的分支，是以概率论与数理统计为基础、计算机应用为技术支撑，迅速发展起来的一种应用性很强的科学方法。时间序列是变量按时间

2、间隔的顺序而形成的随机变量序列，时间序列分析就是估算和研究某一时间序列在长期变动过程中所存在的统计规律性，通过对这些数据的有效分析，可以提高经营决策水平。教学目标和任务：本课程教学目的在于向学生系统阐述有关时间序列分析方面的基本知识和一般原理，使学生对时间序列内在关系及其运动规律有比较系统地掌握。时间序列分析是数理统计的一个重要组成部分，也是用于数据处理的一种统计分析工具。通过本课程的教学，使学生能够掌握时间序列的基本建模思想和方法。三、教学内容和要求第1章 时间序列分析简介（2学时）（1）了解时间序列分析软件；（2）理解时间序列的意义；（3）理解时间序列分析两大类分析方法。重点：时间序列分析

3、软件使用难点：时间序列分析两大类分析方法第2章 时间序列的预处理（2学时）（1）理解平稳时间序列的定义；（2）掌握平稳时间序列的统计性质；（3）熟练掌握平稳性的检验（时序图检验、自相关图检验）；（4）理解白噪声序列的定义及性质；（5）熟练掌握纯随机性的检验（假设条件、检验统计量）。重点：自相关图检验难点：纯随机性的检验统计量第3章 平稳时间序列模型的性质（6学时）（1）了解线性常系数差分方程及其解的一般形式； （2）掌握AR模型的平稳性判别方法，熟练掌握AR模型的统计性质； （3）掌握MA模型的可逆性判别方法，熟练掌握MA模型的统计性质；（4）掌握ARMA模型的平稳条件和可逆条件，理解ARMA

4、模型的统计性质。重点：AR模型平稳性的判别方法、MA模型可逆性的判别方法。难点：AR模型、MA模型、ARMA模型的统计性质。第4章 平稳时间序列建模与预测（8学时）（1）熟练掌握平稳时间序列的建模方法和步骤；（2）掌握时间序列的预测，理解修正预测；重点：平稳时间序列的建模方法和步骤。难点：时间序列的预测、修正预测。第5章 非平稳时间序列的确定性分析（6学时）（1）了解时间序列的Wold分解和Cramer分解；（2）掌握时间序列确定性因素分解；（3）熟练掌握时间序列的趋势分析（曲线拟合、平滑法）； （4）掌握模型季节效应分析的基本思想和具体操作步骤；（5）掌握复杂序列的综合分析方法；（6）了解X

5、-11过程的思想方法和具体步骤。重点：时间序列的趋势分析。难点：复杂序列的综合分析方法。第6章 非平稳序列的随机分析（6学时）（1）了解差分运算的实质，掌握差分方式的选择，理解过差分问题；（2）熟练掌握ARIMA模型的结构，理解ARIMA模型的性质；（3）熟练掌握ARIMA模型建模的具体步骤；（4）掌握ARIMA模型预测方法，掌握疏系数模型的处理方法；（5）掌握利用ARIMA模型对具有季节效应的序列建模；（6）熟练掌握残差自相关检验；（7）理解异方差的概念及性质，学会判断异方差性，理解方差齐性变换；（8）掌握条件异方差模型。重点：ARIMA模型建模。难点：条件异方差模型。第7章 多元时间序列分

6、析（2学时）（1）掌握平稳多元时间序列建模； （2）理解虚假回归的意义，掌握单位根检验方法；（3）理解协整检验的概念，掌握协整检验方法和具体步骤；（4）理解误差修正模型，掌握构造误差修正模型的方法； 重点：平稳多元时间序列建模。难点：单位根检验方法、协整和误差修正模型。四、课程考核（1）作业等：作业：3 次，课程论文：0 篇；（2）考核方式：闭卷考试（3）总评成绩计算方式：平时成绩和期末考试成绩综合计算五、参考书目王黎明，王连，杨楠.应用时间序列分析（第2版）.复旦大学出版社，2009Box, G.E.P. and Jenkins, GM., Time Series Aanlysis Forecasting and Control Holden-Day,