《时间序列分析》实验教学大纲
一、课程基本信息：
课程代码：SL6304
课程名称：时间序列分析Time Series Analysis 课程性质：必修
课程类别：专业与专业方向课程 适用专业：统计学 总 学 时：8
先修课程：概率论、数理统计、随机过程等 课程简介：
《时间序列分析实验》是配合《时间序列分析》的课堂教学而设置的实践性教学环节，旨在引导学生使用计算机开展时间序列试验。内容包括时间序列的预处理、平稳时间序列分析、非平稳序列分析、多元时间序列分析等。培养学生用计算机从事时间序列分析的能力，从而为解决时间序列分析中的实际问题打好基础。
选用教材：
《应用时间序列分析》，王燕[M].北京：中国人民大学出版社，2008年
参考书目：
(1) 《时间序列分析》，王振龙[M].北京：中国统计出版社，2000年 (2) 《应用时间序列分析》，何书元[M].北京：北京大学出版社，2003年
(3) 《时间序列分析 预测与控制》，George E. P. Box Gwilym M. Jenkins Gregory C. Reinsel 著，顾岚 范金城译[M].北京： 中国统计出版社，1991年
(4) 《时间序列分析》，詹姆斯 D．汉密尔顿[M].北京：中国社会科学出版社，1999年 (5) 《时间序列分析实验》，李正辉 李庭辉，中国统计出版社, 2011年
二、课程总目标：
通过本实验课程教学使学生理解并掌握时间序列分析中常用的方法及其原理，，可以增强学生对时间序列分析方法理论知识的理解，使学生能够选择最优模型、进行参数估计、分析预测结果、写时间序列分析实验报告、课堂讨论等环节的综合训练，巩固课堂教学的内容，培养使用电子计算机进行时间序列分析和解决实际问题的能力，为从事现代数学科研工作以及统计理论与实践打下良好的基础。
三、实验教学内容与要求
1．时间序列初步（2学时）
通过此实验使学生了解Eviews概貌，熟悉Eviews处理时间变量的强大功能和作图功能。 2. AR(p)、MA(q),、ARMA(p,q)模型（2学时）
通过此实验使学生熟悉平稳AR(p), MA(q), ARMA(p,q)等模型的自相关函数，偏相关函数的截尾拖尾性; 掌握Eviews进行模型的识别，定阶，参数估计及参数检验，和预测。
3. ARIMA模型（2学时）
通过此实验使学生熟悉掌握用Eviews进行ARIMA模型的识别，定阶，参数估计及参数检验，和预测。 4. ARCH模型、GARCH模型（2学时）
通过此实验使学生掌握Eviews进行. ARCH模型、GARCH模型的识别，定阶，参数估计及参数检验，和预测。
四、考核方式
综合考虑学生平时对每个实验的预习情况、实验中的表现、实验报告的质量和组织纪律等，评定实验课成绩。具体方法如下：
(1) 实验报告，占 20 ％
(2) 按照教学计划的实验：现场编程序，演示计算结果，占 60 ％ (3) 将计算结果用数学软件作图和分析，占 10 ％ (4) 做实验的表现，占 10 ％ 。
执笔人：俞泽鹏 审定人：
相关推荐：
loading