（一）理论课程 1《空间解析几何》 2《离散数学》 3《时间序列分析》 4《数值计算方法》 5《运筹与优化》 6《Python 程序设计》 7《常微分方程》 8《大数据技术原理及应用》 9《复变函数论》 10《概率统计》 11《高等代数》 12《面向对象程序设计》 13《数据结构与算法》 14《数据库原理及应用》 15《数据挖掘》 16《数理统计》 17《数学分析（1）》 18《数学分析（2）》 19《数学建模(1)》 20《数学建模(2)》 21《数学软件及应用》 （二）实验课程 22《时间序列分析》 23《数据结构与算法》 24《数学软件及应用》 25《数值计算方法》 26《Python 程序设计》 27《大数据技术原理及应用》实验 28《面向对象程序设计》 29《数据库原理及应用》课程 30《数据挖掘》 31《数理统计》 （三）实践课程 32《专业教育》 33《web 数据挖掘与电子商务项目实训》 34《技能实训》教学大纲 35《客户数据分析项目设计》 36《数学建模(1)》 37《数学建模(2)》 38《中文文本数据挖掘项目实训》 39《综合项目实训》教学大纲 40《毕业设计（论文）》教学大纲 41《毕业实习》教学大纲

一、引言 快速、经济的核酸序列测序方法的出现使包括分子生物学、遗传学以及生物化学在内的许多 科学领域发生了革命。(Gi bert,1981: Sanger,1981)这项技术的发展同时也使人们需 要构建公用数据库来存储在全世界范围的实验室内得到的序列信息(Benson et al.1997 Stoesser et al.1997)。由于提交到数据库中的序列需要进行分析和解释,同时已经存在 的数据库中的条目需要进行辨识和修补以供研究人员进一步研究之用,因此随着公用数据库 的建立,生物信息学和计算生物学逐渐走向成熟

主要介绍经济时间序列的分解和平滑方法。 时间序列的分解:季节调整 趋势分解 平滑方法:指数平滑

二、长期趋势的测定和分析 (一)研究长期趋势的目的和意义 (二)测定长期趋势的基本方法 1移动平均法 2方程拟合法

01 建模步骤 02 单位根检验 03 模型识别 04 参数估计 05 模型检验 06 模型优化 07 序列预测

平稳序列的定义 平稳性检验 纯随机性检验

7.1 系统预测概述 7.1.1 概念 7.1.2 分类 7.1.3 步骤 7.2 定性预测方法 7.3 时间序列分析预测 7.4 回归分析预测 7.5 Box-Jenkins模型(*) 7.6 状态空间分析 7.7 Markov预测 7.1.1 系统预测的概念 7.1.2 系统预测的分类 7.1.3 系统预测一般步骤 7.2 定性预测技术

不确定性是现代经济和金融理论经常涉及到的一个焦点问题。例如，宏观经 济波动的不确定性、金融市场上收益的不确定性以及外汇市场上各国汇率的不确 定性等。在模型分析中，经济或金融变量的不确定性一般用方差来进行描述和度 量。而且为了分析简洁，通常对模型作出一些假定，例如在回归模型中假定随机 扰动项满足零均值、同方差和互不相关

 差分运算  ARIMA模型  Auto-Regressive模型  异方差的性质  方差齐性变化  条件异方差模型

实验一 Eviews 软件的基本操作.1 实验二 一元回归模型 .10 实验三 多元和非线性回归模型 .20 实验四 多重共线性 .29 实验五 异方差性 .38 实验六 自相关性 .49 实验七 滞后变量模型 .63 实验八 虚拟解释变量模型 .75 实验九 模型设定误差诊断与检验 .82 实验十 联立方程模型 .90 实验十一 平稳时间序列分析 .106 实验十二 非平稳时间序列分析（一） .118