• 掌握序列的概念及其几种典型序列的定义,掌握序列的基本运算，并会判断序列的周期性。 • 掌握线性/移不变/因果/稳定的离散时间系统的概念并会判断，掌握线性移不变系统及其因果性/稳定性判断的充要条件。 • 理解常系数线性差分方程及其用迭代法求解单位抽样响应。 • 了解对连续时间信号的时域抽样，掌握奈奎斯特抽样定理，了解抽样的恢复过程

• 离散时间信号的表示及运算； • 线性移不变系统的定义和性质； • 常系数线性差分方程； • 傅里叶级数(Fourier Series)、傅里叶变换(Fourier Transform)、连续时间信号的抽样定理

第一节,连续时间金融的基础数学知识 第二节, Merton(1969)的开创性论文; 第三节,讲解 Black-Scholes—模型; 第四节,简单回顾最新连续时间金融理论研究

7.1 离散时间信号 7.2 离散时间系统的数学模型 7.3 常系数线性差分方程的求解 7.4 零输入响应与零状态响应 7.5 卷积

第一节 时间序列及其平稳性 第二节 时间序列平稳性检验 第三节 时间序列的单积和协积

一、惯性的起源 二、动态黑洞的热性质 三、黑洞信息疑难—信息是否应该守恒？ 四、奇点疑难—时间有没有开始与终结？ 五、时间的度量

一 理论上的可计算与现实上的可计算 二 算法时间复杂度分析 2.1概念、数学表示 2.2时间复杂度分析 2.2.1循环 2.2.2递归

本章我们讨论分析时间序列数据(检验序列相关性,估 计ARMA模型,使用分布滞后,非平稳时间序列的单位根检 验)的单方程回归方法

• 时间序列的平稳性及其检验 • 随机时间序列分析模型 • 协整分析与误差修正模型

1 概率论基础 1.1 为什么需要概率空间 1.1.1 理发师悖论 (Barber paradox) 1.1.2 贝特朗悖论 (Bertrand’s Paradox) 1.1.3 非悖论, 生日问题 1.2 概率空间 1.2.1 可测空间 1.2.2 概率空间 1.2.3 条件概率 1.2.4 全概率公式和 Bayes 公式 1.3 随机变量和分布函数 1.3.1 数字特征 1.3.2 矩函数 (Moment Generating Function) 1.3.3 特征函数 (Characteristic function) 1.3.4 反演公式及唯一性定理 1.3.5 多维随机变量的特征函数 1.4 独立性与条件期望 1.4.1 独立性 1.4.2 条件期望 1.4.3 条件分布 1.4.4 一般条件期望 ⋆ 2 随机过程的基本概念与类型 2.1 随机过程的背景 2.2 基本概念 2.3 有限维分布与 Kolmogorov 定理 2.3.1 随机过程的数字特征 2.4 随机过程的基本类型 2.4.1 平稳过程 2.4.2 独立增量过程 3 Brown 运动（维纳过程） 3.1 基本概念与性质 3.2 维纳过程的分布 3.3 维纳过程的数字特征 3.3.1 二次变差 3.4 Brown 运动的鞅性质 3.5 Brown 运动的最大值变量及反正弦律 3.6 Brown 运动的几种变化 3.6.1 Brown 桥 3.6.2 几何 Brown 运动 4 Poisson 过程 4.1 齐次泊松过程 4.1.1 Poisson 过程数学模型 4.1.2 齐次泊松过程的数字特征 4.1.3 时间间隔与等待时间的分布 4.1.4 到达时间的条件分布 4.1.5 更新计数过程 4.2 复合泊松过程 4.2.1 复合 Poisson 过程 4.3 非齐次泊松过程 (了解内容，不考察) 5 鞅 (Martingale) 过程 5.1 基本概念 5.2 鞅的停时定理及其应用 5.2.1 鞅的停时定理 5.3 连续鞅