《时间序列分析》课程教学大纲一、课程名称（中英文）中文名称：时间序列分析英文名称：Time Series Analysis二、课程代码及性质学科（大类）基础课必修三、学时与学分总学时：48（理论学时：42学时；实践学时：6学时）学分：3四、先修课程先修课程：数学分析（一）~（三），线性代数，概率论与数理统计（三），计量经济学，高级计量经济学五、授课对象本课程面向统计、经实、经创专业学生开设六、课程教学目的（对学生知识、能力、素质培养的贡献和作用）掌握时间序列分析的最新进展，并能熟练应用时间序列分析方法并结合Eviews软件建模研究经济、金融方面的问题，为深入学习研究生阶段的计量经济学课程及开展研究工作打好基础。
七、教学重点与难点：课程重点：掌握平稳时间序列分析（ARMA）的建模与分析方法，掌握各类ARMA过程的性质、预测原理、估计方法，了解谱分析，掌握各类收敛性质及大样本理论，了解趋势平稳过程以及非平稳时间序列分析的基本思想课程难点：各类ARMA过程的识别，各种收敛性质的关系，中心极限定理及其适用情形，非平稳时间序列分析，运用时间序列分析的基本原理进行实证分析八、教学方法与手段：教学方法：以课堂讲授为主，安排4学时习题课，2学时复习课教学手段：课堂讲授、文献阅读、习题讲解九、教学内容与学时安排（一）差分方程（教师课堂教学学时（2小时）+ 学生课后学习学时（1小时））教学内容：掌握求解1阶差分方程的步骤，了解高阶差分方程的解法（二）滞后算子（教师课堂教学学时（2小时）+ 学生课后学习学时（1小时））教学内容：理解滞后算子的概念，会利用滞后算子表示差分方程并了解求解步骤，了解初值问题课后文献阅读：Thomas Sargent, Macroeconomic Theory, 2d ed. Boston: Academic Press, 1987.（三）平稳ARMA过程（教师课堂教学学时（12小时）+ 学生课后学习学时（3小时）教学内容：理解平稳性和遍历性的概念，掌握ARMA类模型的表述与识别方法（期望、方差、自相关函数、偏自相关函数等），掌握ARMA类模型的可逆性与平稳性的判别方法课后作业和讨论：教材第三章练习3.1-3.8（四）预测原理（教师课堂教学学时（8小时）+ 学生课后学习学时（3小时）教学内容：理解预测的基本原理与基本思想，掌握基于无穷个样本观测值的预测方法，会利用预测公式写出AR（1）、MA（1）、ARMA（1,1）的预测方程，了解高阶过程的预测方程，了解基于有限样本观测值的预测方法，了解校正线性投影，掌握识别各类ARMA 过程的和过程，理解Wold表述定理和B-J建模思想课后文献阅读：Richard Ashley. 1988, On the relative worth of recent macroeconomics forecasts, International Journal of Forecasting.课后作业和讨论：教材第四章练习4.1-4.6（五）极大似然估计（教师课堂教学学时（4小时）+ 学生课后学习学时（2小时）教学内容：理解运用极大似然方法求解ARMA类过程的基本思想，理解极大似然估计量的有限样本性质，了解利用数值方法求解极大似然估计的基本原理课后文献阅读：Halbert White.1982, Maximum likelihood estimation of misspecified models, Econometrica.课后作业和讨论：教材第五章练习5.1-5.3（六）谱分析（教师课堂教学学时（2小时）+ 学生课后学习学时（1小时）教学内容：了解谱分析的基本原理，会求ARMA类过程的总体谱函数和样本谱函数课后作业和讨论：教材第六章练习6.1-6.2（七）渐进理论（教师课堂教学学时（4小时）+ 学生课后学习学时（2小时）教学内容：理解各种收敛的定义及其关系，理解大数定律和中心极限定理，了解平稳随机过程的中心极限定理，了解鞅差分序列的基本概念课后文献阅读：Ted W. Anderson. The Statistical Analysis of Time Series, New York: Willey, 1971.课后作业和讨论：教材第七章练习7.1-7.7（八）趋势平稳过程与非平稳时间序列分析（教师课堂教学学时（8小时）+ 学生课后学习学时（3小时）教学内容：掌握线性时间趋势平稳过程的统计特征和系数估计量的性质，掌握单位根过程的统计特征及系数估计量的性质，掌握线性时间趋势平稳过程与单位根过程的识别方法，掌握单位根检验的基本思想，了解高次趋势平稳过程，了解ARCH类模型的建模思想、估计方法和检验，了解协整和Granger表述定理课后文献阅读：1. Michio Hatanaka, Time-Seriess-Based Econometrics: Unit Roots and Cointegration, New York: Oxford University Press, 1996.2. Peter C. B. Phillips. 1987, Time series regression with a unit root, Econometrica.3. Peter C. B. Phillips and Pierre Perron. 1988, Testing for a unit root in time series regression, Biometrika.4. Pierre Perron. 1989, The great crash, the oil price shock and the unit root hypothesis, Econometrica.5. Robert F. Engle. 1982, Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica.6. Robert F. Engle and Clive W.J. Granger. 1987,Co-integration and error correction: representation, estimation and testing, Econometrica.7. Tim Bollerslev. 1986, Generalized autoregressive conditional heteroscedasticity, Journal of Econometrics.十、教学参考书及文献教学参考书：1、James D. Hamilton, Time Series Analysis, Princeton University Press, 1994;课外文献阅读：1、James D. Stock, Mark W. Watson, New Approaches and Forecasting Records, Cambridge University Press, 1991.2、Thomas Sargent, Macroeconomic Theory, 2d ed. Boston: Academic Press, 1987.3、Ted W. Anderson. The Statistical Analysis of Time Series, New York: Willey, 1971.4、Michio Hatanaka, Time-Seriess-Based Econometrics: Unit Roots and Cointegration, New York: Oxford University Press, 1996.5、Peter C. B. Phillips. 1987, Time series regression with a unit root, Econometrica.6、Peter C. B. Phillips and Pierre Perron. 1988, Testing for a unit root in time series regression, Biometrika.7、Pierre Perron. 1989, The great crash, the oil price shock and the unitroot hypothesis, Econometrica.8、Robert F. Engle. 1982, Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation, Econometrica.9、Robert F. Engle and Clive W.J. Granger. 1987, Co-integration and error correction: representation, estimation and testing, Econometrica.10、Tim Bollerslev. 1986, Generalized autoregressive conditional heteroscedasticity, Journal of Econometrics.十一、课程成绩评定与记载课程成绩构成：课程成绩=课后作业（20%）+课后文献阅读（10%）+终结性考试（70%）终结性考试形式：闭卷大纲制定：《时间序列分析》课程组审核：。
