第一节主要介绍了时间序列分析和预测的基本方法。首先解释了时间序列的形态，常常通过它帮助我们考虑时间序列的四种独立成分：趋势、循环、季节和不规则。通过分离这些成分和测量它们的明显影响，可以预测时间序列的未来值。◼第二节主要介绍了回归分析预测法。市场活动中的许多现象也不例外，其变化与各种影响因素变化之间存在着一定的依存关系。回归分析预测法就是从各种经济现象之间的相互关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测方法

 平稳性检验  纯随机性检验

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

 时间序列的分解  确定性因素分解  趋势分析  季节效应分析  综合分析  X－11过程

ARMA 模型的干扰分析就是对平稳时间序列的均值变化进行显著性检验。先以 AR(1) 过程为例

7.1 概述 7.2 时间序列的自相关分析 7.3 单位根检验和协整检验 7.4 ARMA模型的建模

已经学习回归模型和时间序列模型，如果把这两种分析方法结合在一起，有时会得到比 其中任何一种方法都好的预测结果

 方法性工具  差分运算  延迟算子  线性差分方程  ARMA模型  AR模型（Auto Regression Model）  MA模型（Moving Average Model）  ARMA模型（Auto Regression Moving Average model）  平稳序列建模  序列预测  建模步骤  模型识别  参数估计  模型检验  模型优化  序列预测

第一节离散时间系统 第二节离散时间信号序列 第三节Z正变换 第四节Z反变换 第五节Z变换的性质 第六节Z变换与拉普拉斯变换的关系 第七节离散信号的Z变换