 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

5.4 样本自相关与部分自相关函数 5.5 自相关性检验 5.6 ARMA模型的实证分析及应用 5.7 实例应用：中国CPI通胀率的AR模型

5.1 移动平均过程(MA Process) 5.2 自回归移动平均过程(ARMA Processes) 5.3 部分自相关函数 (Partial Autocorrelations)

◼ 方法性工具 ◼ ARMA模型 ◼ 平稳序列建模 ◼ 序列预测

《应用时间序列分析》课程教学资源（PPT课件）第三章 ARMA模型的特性

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

《随机模拟方法与应用 Stochastic Simulation Methods and Its Applications》教学资源（论文资料）43 基于蒙特卡洛-马尔科夫链（MCMC）的ARMA模型选择（吉林大学：赵昕东）

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

一、依据现在和过去的信息对未来提出预测，自然希望预测是最优预测。 二、最优的准则是什么？ 三、一个好的预测是预测的误差越小越好

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