中国社会科学院大学：经济学院《时间序列分析》课程教学大纲.pdf

中国社会科学院大学《时间序列分析》课程大纲课程基本信息（CourseInformation）*学时*学分课程编号1232020076322(Course ID)(Credit Hours)(Credits)时间序列分析*课程名称(Course Name)Time Series Analysis先修课程计量经济学(Prerequisite Courses)《时间序列分析》是经济学和数理统计学的交叉学科，是一门与社会经济活动联系非常密切的一门课程，在经济、金融、数据挖掘等众多领域有着广泛的应用。其主要目的是通过对已有历史数据的观察，寻找数据内在的发展变化规律，以构造合理模型并对未来进行预测。《时间序列分析》是一门理论和应用性非常强的课程。本课程的内容主要包括：时间序列的基本概念：平稳ARMA模型；预测理论与应用；非平稳时间序列模型；*课程简介(Description)单位根检验法：向量自回归模型；结构向量自回归模型；协整与误差修正模型；GARCH模型等。本课程提供了分析时间序列数据的工具和方法，培养学生分析和解决经济社会中实际问题的能力。本课程采用案例式教学。针对ARMA平稳时间序列模型、向量自回归模型、协整及误差修正模型、GARCH模型，从背景介绍、时间序列数据特征、建模思想与方法等方面形成教学案例，并将各个模块有机贯穿起来。本课程课堂中采用Stata软件。TimeSeriesAnalysis is an interdisciplinarycourseof economics andmathematicalstatistics and is very closely linked to socio-economic activities.It has a wide range ofapplications in manyfields, suchas economics,finance,and data mining.Time series forecasting occurs when you make scientific predictions based on historicaltime-stamped data. It involves building models through historical analysis and using themto make observations and drive future strategic decision-making.*课程简介This courseprovides a surveyof thetheoryand applicationof Time Seriesmethods in(Description)econometrics.Topics covered will include definitions of Time Series,ARMA model, TimeSeries forecasting,non-stationarymodels,vector autoregressions,structuralautoregressions, and GARCH models.This course provides empirical(practical)tools andmethodsfor analyzing time series data and cultivates studentsability to analyze and solvepracticaleconomicproblemsinoursociety.Stata is used at lectures

Course Information 课程编号 (Course ID) 1232020076 *学时 (Credit Hours) 32 *学分 ( Credits) 2 *课程名称 (Course Name) 时间序列分析 Time Series Analysis 先修课程 (Prerequisite Courses) 计量经济学 *课程简介 (Description) 《时间序列分析》是经济学和数理统计学的交叉学科，是一门与社会经济活动联系非常密切的一门课程，在经济、金融、数据挖掘等众多领域有着广泛的应用。其主要目的是通过对已有历史数据的观察，寻找数据内在的发展变化规律，以构造合理模型并对未来进行预测。《时间序列分析》是一门理论和应用性非常强的课程。本课程的内容主要包括：时间序列的基本概念；平稳 ARMA模型；预测理论与应用；非平稳时间序列模型；单位根检验法；向量自回归模型；结构向量自回归模型；协整与误差修正模型； GARCH 模型等。本课程提供了分析时间序列数据的工具和方法，培养学生分析和解决经济社会中实际问题的能力。本课程采用案例式教学。针对 ARMA 平稳时间序列模型、向量自回归模型、协整及误差修正模型、GARCH 模型，从背景介绍、时间序列数据特征、建模思想与方法等方面形成教学案例，并将各个模块有机贯穿起来。本课程课堂中采用 Stata 软件。 *课程简介 (Description) Time Series Analysis is an interdisciplinary course of economics and mathematical statistics and is very closely linked to socio-economic activities. It has a wide range of applications in many fields, such as economics, finance, and data mining. Time series forecasting occurs when you make scientific predictions based on historical time-stamped data. It involves building models through historical analysis and using them to make observations and drive future strategic decision-making. This course provides a survey of the theory and application of Time Series methods in econometrics. Topics covered will include definitions of Time Series, ARMA model, Time Series forecasting, non-stationary models, vector autoregressions, structural autoregressions, and GARCH models. This course provides empirical(practical) tools and methods for analyzing time series data and cultivates students’ ability to analyze and solve practical economic problems in our society. Stata is used at lectures

《金融计量学-时间序列分析视角》（第三版），张成思，中国人民大学出版社，*教材2020年，ISBN：9787300279039(Textbooks)[1]《高级计量经济学及Stata应用》（第二版)，陈强，高等教育出版社，2014年，ISBN:9787040329834易丹辉、王燕，中国人民大学出版社，[2]《应用时间序列分析》（第5版)，2019年，ISBN：9787300270272[3]《IntroductiontoModernTimeSeriesAylysis》（《现代时间序列分析导论》），参考资料GebhardKirchgassner等，中国人民大学出版社，2015年，ISBN:9787300206257(Other References)[4]】《TimeSeriesAnalysis》（《时间序列分析》），JamesD.Hamiltion，中国人民大学出版社，2015年，ISBN：9787300202136[5]《Analysisoffinancial timeseries》（《金融时间序列分析》），RueyS.Tsay，人民邮电出版社，2012年，ISBN：9787115287625口公共基础课/全校公共必修课通识教育课口专业基础课*课程类别√专业拓展课/专业选修课口其他国专业核心课/专业必修课(Course Category)口线上，教学平台*授课对象*授课模式经济学院本科生v线下口混合式口其他(Target Students)(Modeof Instruction)实践类（70%以上学时深入基层）*授课语言V中文全外语语种*开课院系( Language of双语：中文+经济学院语种（外语讲授不低(School)Instruction)于50%)袁霓，中国社会科学院大学经济学院教师，副教授，博士。课程负责人长期从事计量经济学、时间序列分析、统计学等课程教学，研究姓名及简介方向为计量经济学、劳动经济学。*授课教师信息团队成员(Teacher Information)姓名及简介学习目标通过本课程的学习，使学生掌握时间序列分析的基本思想、原理、方法和模(Learning Outcomes)型，熟悉建立时间序列模型的步骤，能够利用模型对实际问题进行分析和预测。培养学生运用统计软件实现时间序列分析方法的技能，以达到解决实际问题的目的。平时成绩30%（课堂表现15%，平时作业15%，），期末成绩70%（课下论文）。*考核方式期末课下论文要求：结合时间序列分析所学方法和某个现实问题，自选题目，写一(Grading)篇6000字左右的计量经济学论文

*教材 ( Textbooks) 《金融计量学-时间序列分析视角》(第三版)，张成思，中国人民大学出版社， 2020 年，ISBN：9787300279039 参考资料 ( Other References) [1]《高级计量经济学及 Stata应用》 (第二版)，陈强，高等教育出版社， 2014 年，ISBN:9787040329834 [2] 《应用时间序列分析》(第 5版)，易丹辉、王燕，中国人民大学出版社， 2019 年，ISBN：9787300270272 [3]《Introduction to Modern Time Series Aylysis》(《现代时间序列分析导论》)， Gebhard Kirchgassner 等，中国人民大学出版社， 2015 年，ISBN:9787300206257 [4]《Time Series Analysis》(《时间序列分析》)，James D. Hamiltion，中国人民大学出版社，2015 年, ISBN：9787300202136 [5]《Analysis of financial time series》(《金融时间序列分析》)，Ruey S. Tsay ，人民邮电出版社，2012 年，ISBN：9787115287625 *课程类别 (Course Category) 公共基础课/全校公共必修课通识教育课专业基础课专业核心课/专业必修课专业拓展课/专业选修课其他 *授课对象 (Target Students) 经济学院本科生 *授课模式 (Mode of Instruction) 线上，教学平台线下混合式其他实践类(70%以上学时深入基层) *开课院系 ( School) 经济学院 *授课语言 ( Language of Instruction) 中文全外语语种双语：中文+ 语种 (外语讲授不低于 50%) *授课教师信息 (Teacher Information) 课程负责人姓名及简介袁霓，中国社会科学院大学经济学院教师，副教授，博士。长期从事计量经济学、时间序列分析、统计学等课程教学，研究方向为计量经济学、劳动经济学。团队成员姓名及简介学习目标 (Learning Outcomes) 通过本课程的学习，使学生掌握时间序列分析的基本思想、原理、方法和模型，熟悉建立时间序列模型的步骤，能够利用模型对实际问题进行分析和预测。培养学生运用统计软件实现时间序列分析方法的技能，以达到解决实际问题的目的。 *考核方式 ( Grading) 平时成绩 30% (课堂表现 15%，平时作业 15%，)，期末成绩 70% (课下论文)。期末课下论文要求：结合时间序列分析所学方法和某个现实问题，自选题目，写一篇 6000 字左右的计量经济学论文

*课程教学计划（TeachingPlan）填写规范化要求见附件其中周课其教学内容摘要实习学程周次讲他（必含章节名称、讲述的内容提要、实验的名称、教学方法、课堂讨论的题验题时授讨环目、阅读文献参考书目及作业等)课课论节第1章时间序列分析初步1.1时间序列分析的范畴1.2时间序列数据第一周1.3时间序列分析中的基本概念331.3.1增长率与收益率1.3.2随机变量与随机过程1.3.3随机分布1.3.4随机变量的期望与矩第2章计量软件介绍(简单介绍，整个课程运用及讲授Stata)第3章差分方程、滞后运算与动态模型3.1一阶差分方程3.1.1差分方程的定义3.1.2一阶差分方程的求解3.2动态乘数与脉冲响应函数第二周3.2.1动态乘数3.2.2脉冲响应函数333.3高阶差分方程3.4滞后算子与滞后运算法3.4.1滞后算子的定义与性质3.4.2差分方程的稳定性作业练习3：2、4第4章平稳AR模型4.1基本概念4.1.1随机过程与数据生成过程4.1.2自协方差与自相关系数4.1.3弱平稳与严平稳的定义4.1.4白噪声过程4.2一阶自回归模型：AR(1)4.2.1AR(1)过程的基本定义和性质4.2.2AR(1)过程的均值4.2.3AR(1)过程的方差4.2.4AR(1)过程的自协方差与自相关系数第三周4.2.5一阶自回归系数α的影响4.3二阶自回归模型：AR(2)334.3.1AR(2)过程的基本定义和性质4.3.2AR(2)过程的均值4.3.3AR(2)模型的方差、自协方差与自相关函数4.4p阶自回归模型：AR(p)4.4.1AR(p)过程基本定义与性质4.4.2AR(p)过程的均值4.4.3AR(p)过程的方差与自协方差4.4.4AR(p)过程的自相关函数作业练习4：4第5章平稳ARMA模型5.1移动平均过程（MAprocess）5.1.1MA(1)模型5.1.2MA(2)模型5.1.3MA(g)模型第四周5.2自回归移动平均过程（ARMAprocess）5.2.1ARMA(p，q)过程的基本定义335.2.2ARMA(p，9)过程的平稳性与可逆性5.2.3ARMA(P，9)过程的均值、方差与自协方差5.2.4ARMA(p，9)过程的自相关函数

* Teaching Plan 填写规范化要求见附件周次周学时其中教学内容摘要 (必含章节名称、讲述的内容提要、实验的名称、教学方法、课堂讨论的题目、阅读文献参考书目及作业等) 讲授实验课习题课课程讨论其他环节 3 3 第 1 章时间序列分析初步 1.1 时间序列分析的范畴 1.2 时间序列数据 1.3 时间序列分析中的基本概念 1.3.1 增长率与收益率 1.3.2 随机变量与随机过程 1.3.3 随机分布 1.3.4 随机变量的期望与矩第 2 章计量软件介绍(简单介绍，整个课程运用及讲授 Stata) 3 3 第 3 章差分方程、滞后运算与动态模型 3.1 一阶差分方程 3.1.1 差分方程的定义 3.1.2 一阶差分方程的求解 3.2 动态乘数与脉冲响应函数 3.2.1 动态乘数 3.2.2 脉冲响应函数 3.3 高阶差分方程 3.4 滞后算子与滞后运算法 3.4.1 滞后算子的定义与性质 3.4.2 差分方程的稳定性作业练习 3： 2、4 3 3 第 4 章平稳 AR 模型 4.1 基本概念 4.1. 1 随机过程与数据生成过程 4.1.2 自协方差与自相关系数 4.1.3 弱平稳与严平稳的定义 4.1.4 白噪声过程 4.2 一阶自回归模型:AR(1) 4.2.1 AR(1)过程的基本定义和性质 4.2.2 AR(1)过程的均值 4.2.3 AR(1)过程的方差 4.2.4 AR(1)过程的自协方差与自相关系数 4.2.5 一阶自回归系数α 的影响 4.3 二阶自回归模型： AR(2) 4.3.1 AR(2)过程的基本定义和性质 4.3.2 AR(2)过程的均值 4.3.3 AR(2)模型的方差、自协方差与自相关函数 4.4 p 阶自回归模型： AR(p) 4.4.1 AR(p)过程基本定义与性质 4.4.2 AR(p)过程的均值 4.4.3 AR(p)过程的方差与自协方差 4.4.4 AR(p)过程的自相关函数作业练习 4： 4 3 3 第 5 章平稳 ARMA 模型 5.1 移动平均过程(MA process) 5.1.1 MA(1)模型 5.1.2 MA(2)模型 5.1.3 MA(q)模型 5.2 自回归移动平均过程(ARMA process) 5.2.1 ARMA(p ，q)过程的基本定义 5.2.2 ARMA(p ，q)过程的平稳性与可逆性 5.2.3 ARMA(p ，q)过程的均值、方差与自协方差 5.2.4 ARMA(p ，q)过程的自相关函数