一、问题的引出：非平稳变量与经典回归模型 二、时间序列数据的平稳性 三、平稳性的图示判断 四、平稳时间序列分析 五、非平稳序列的确定性分析 六、非平稳序列的随机性分析 七、平稳性的单位根检验 八、单整、趋势平稳与差分平稳随机过程

1.1基本概念 时间序列所研究的是时间上的相关结构。它的应用广泛,从海洋学到金融学 都是它的应用范围。著名的CAPM模型(资本资产定价模型)和随机波动模型就是 含有时间序列成份的金融模型的例子。当我们考虑一时间序列时,我们通常考虑一 个数值的集合{X:t=1,…,n},其中下标t表示数据被观测到的时间。虽然直观 上很清楚,我们还是来详细描述一下X的一系列非标准特性。 非等距数据(缺损数据)。例如,若时间序列是某一证券的日收益率,则在节假 日等非交易日里就没有数据可得了

时间序列的基本概念 时间序列平稳性的单位根检验 协整

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

• 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

 平稳时间序列建模  虚假回归  单位根检验  协整  误差修正模型

一、时间序列的基本概念 二、时间序列平稳性的单位根检验 三、协整

第12章时间序列分析和预测 一、时间序列的含义 又称(动态数列),是指标数值按时间顺序排列而形成的数列。 二、分析方法

▪ 10.1 时间序列分解 ▪ 10.2 长期趋势分析 ▪ 10.3 季节变动分析 ▪ 10.4 循环波动分析 ▪ 10.5 时间序列的自相关分析 ▪ 10.6 时间序列的动态分析指标 ▪ 10.7 景气循环分析

首次提出将小波分解应用于非平稳时间序列的预测中,通过小波分解将非平稳时间序列分解为多层近似意义上的平稳时间序列,并且用AR(n)模型对分解后的时间序列进行预测,进而得到最终的预测结果.将该方法应用于压缩机轴承座磨损的趋势预测中,通过与基于BP网络的预测方法相比较表明:该方法预测精度高,而且预测速度快,可以有效地应用设备状态的预测和设备故障趋势的分析中