Forecasting and Applied Time Series Analysis

课程简介

描述性技术和平滑模型：平稳性；趋势；季节性；自相关性；指数平滑预测方法。 时间序列的概率模型：离散和连续时间序列模型；自回归和移动平均过程；ARMA模型的识别、估计和诊断检查；使用ARMA模型进行预测。 金融时间序列模型：随机漫步；ARCH和GARCH建模。

学习目标

使学生能够理解时间序列建模及其在预测中的应用，并使用统计软件进行实证分析。

先修要求

无

教学模式

本课程主要通过讲授和辅导进行。教学和学习方法主要以问题解决为导向。该方法旨在发展数学技术及其在解决问题中的应用。鼓励学生采用深入学习的方法，运用批判性思维、评价性思维等高级认知策略，将理论与实践相结合。