金融时间序列课程标准.docx

《金融时间序列课程标准.docx》由会员分享，可在线阅读，更多相关《金融时间序列课程标准.docx（8页珍藏版）》请在第一文库网上搜索。

1、金融时间序列课程标准一、课程概况课程名称金融时间序列课程代码20102803适用专业应用统计学开课学期第6学期课程性质专业选修课程学时/学分48/3预修课程概率论、数理统计、统计软件、应用回归分析与实验1.课程目标课程目标1：通过本课程的教学，使得学生能从数量上揭示某一现象的发展变化规律，能从动态的角度刻划某现象与其他现象之间的内在数量关系及其变化规律性,达到认识客观世界的目的。使学生对时间序列的基本概念、基本原理、基本方法有直观的认识，能熟练应用时间序列分析方法处理金融领域的动态数据，培养学生利用时间序列分析方法对金融等社会经济现象及自然现象作定量分析的能力。课程目标2：熟练应用MatIab

2、、R语言、SAS等常用的数学软件和统计软件，能选择合适的时间序列对金融领域中的时间序列数据进行建模和求解分析。课程目标3：掌握时间序列分析的统计思想，以此提高学生解决实际问题的基本素质，学会怎样将理论与实际结合，锻炼学生的动手能力、独立思考能力和团队合作能力。三、课程目标与毕业要求的关系1、课程目标与毕业要求的对应关系毕业要求指标点课程目标2.数学基础2.2具备运用数学知识解决实际问题的能力，了解数学的历史概况和广泛应用。课程目标13.金融统计3.1掌握概率论和数理统计的基本原理，掌握多元统计分析、回归分析、抽样调查、试验设计等应用统计学的技术。课程目标1课程目标23.3能根据经济学的基本理论

3、，运用统计学中的有效方法解释经济学现象。掌握用数理分析的方法对利息及其相关问题进行定量分析，理解证券商品交易、证券市场运行、证券投资风险、上市公司分析等内容。课程目标1课程目标2课程目标34.数据分析4.1掌握统计数学建模和数据挖掘的基本原理和常用方法，具备较强的统计数据分析与处理能力,能综合运用所学知识分析和解决问题，能对所给数据进行处理和分析，能综合运用所学知识建立合适的数学和统计金融模型解决问题。课程目标1课程目标2课程目标34.2熟练掌握Exce1、SPSS、R语言等统计软件在统计数据处理中的使用方法。掌握本专业必需的统计软件制图、数据分析、数据挖掘、计算与设计、文献检索与分析等基本技

4、能，并具有较强的计算机应用能力，能使用统计软件解决实际问题。课程目标2课程目标32、课程目标与毕业要求的矩阵关系图思想政治数学基础金融统计数据分析外语体育人文发展1.11.21.32.12.22.33.13.23.34.14.24.35.15.25.36.16.26.3课程目标1MMMH课程目标2HH1H课程目标3MHM注：H表示高支撑，M表示中支撑，1表示低支撑。四、课程教学要求与重难点序号课程内容框架教学要求教学重点教学难点1时间序列分析简介1 .理解时间序列的意义。2 .理解时间序列分析两大类分析方法。3 .了解时间序列分析软件。时间序列分析软件使用时间序列分析两大类分析方法2时间序列的

5、预处理1 .理解平稳时间序列的定义。2 .掌握平稳时间序列的统计性质。3 .熟练掌握平稳性的检验（时序图检验、自相关图检验）。4 .理解白噪声序列的定义及性质，熟练掌握纯随机性的检验（假设条件、检验统计量）。自相关图检验纯随机性的检验统计量3平稳时间序列分析1 .了解线性常系数差分方程及其解的一般形式。2 .掌握AR模型的平稳性判别方法，熟练掌握AR模型的统计性质。3 .掌握MA模型的可逆性判别方法，熟练掌握MA模型的统计性质。4 .掌握ARMA模型的平稳条件和可逆条件，理解ARMA模型的统计性质。5 .熟练掌握平稳时间序列的建模方法和步骤。6 .掌握时间序列的预测，理解修正预测。AR模型平稳

6、性的判别方法、MA模型可逆性的判别方法、平稳时间序列的建模方法和步骤。AR模型、MA模型、ARMA模型的统计性质、时间序列的预测、修正预测。4非平稳序列的随机分析1 .了解差分运算的实质，掌握差分方式的选择，理解过差分问题。2 .熟练掌握ARIMA模型的结构，理解AR1MA模型的性质。3 .熟练掌握ARIMA模型建模的具体步骤。4 .掌握ARIMA模型预测方法，掌握疏系数模型的处理方法。5 .掌握利用ARIMA模型对具有季节效应的序列建模。6 .熟练掌握残差自相关检验。7 .理解异方差的概念及性质，学会判断异方差性，理解方差齐性变换。8 .掌握条件异方差模型。ARIMA模型建模条件异方差模型建

7、模5非平稳时间序列的确定性分析1 .了解时间序列的Wo1d分解和Cramer分解。2 .掌握时间序列确定性因素分解。3 .熟练掌握时间序列的趋势分析（曲线拟合、平滑法）。4 .掌握模型季节效应分析的基本思想和具体操作步骤。时间序列的趋势分析复杂序列的综合分析方法5 .掌握复杂序列的综合分析方法。6 .了解X-11过程的思想方法和具体步骤。五、课程教学内容、教学方式、学时分配及对课程目标的支撑情况序号课程内容框架教学内容教学方式学时支撑课程目标1时间序列分析简介1 .引言2 .时间序列的定义3 .时间序列分析方法（一）描述性时序分析（二）统计时序分析4 .时间序列分析软件讲授、PPT辅助、课堂讨

8、论、实验4课程目标12时间序列的预处理1 .平稳性检验（一）特征统计量（二）平稳时间序列的定义（三）平稳时间序列的统计性质（四）平稳时间序列的意义（五）平稳性的检验时序图检验、自相关图检验2 .纯随机性检验（一）纯随机序列的定义（二）白噪声序列的性质纯随机性、方差齐性（三）纯随机性检验假设条件、检验统计量讲授、PPT辅助、课堂讨论、实验8课程目标1课程目标2课程目标33平稳时间序列分析1、方法性工具一、差分运算二、延迟算子三、线性差分方程2、ARMA模型的性质一、AR模型AR模型的定义、AR模型平稳性判断、平稳AR模型的统计性质讲授、PpT辅助、课堂讨论、实验14课程目标1课程目标2课程目标3

9、二、MA模型MA模型的定义、平稳MA模型的统计性质、MA模型的可逆性三、ARMA模型ARMA模型的定义、平稳条件和可逆条件、传递形式和逆转形式、ARMA模型的统计性质3、平稳时间序列建模一、建模步骤二、样本自相关函数和偏相关函数三、模型识别四、参数估计矩估计、极大似然估计、最小二乘估计五、模型检验模型的显著性检验、参数的显著性检验六、模型优化问题的提出、A1e准则、SBe准则4、时间序列预测（一）线性预测函数（二）预测方差最小预测原则（三）现行最小方差预测的性质条件无偏最小方差估计值、AR序列预测、MA序列预测、ARMA序列的预测、修正预测4非平稳序列的随机分析1、差分运算（-）差分运算的实质

10、（二）差分运算的选择（）过差分运算2、ARIMA模型（一）AR1MA模型的结果（二）AR1MA模型的性质（）AR1MA模型建模（四）AR1MA模型预测（五）疏系数模型讲授、PPT辅助、课堂讨论、实验14课程目标1课程目标2课程目标3六、季节模型3、AU1O-RegreSSiVe模型（一）模型结构（二）残差自相关检验（三）模型拟合5非平稳时间序列的确定性分析1、时间序列的分解（一）WOki分解定理（二）Cramer分解定理2、确定性因素分解3、趋势分析（一）趋势拟合法（-）平滑法4、季节效应分析5、综合分析6、X-I1过程讲授、PPT辅助、课堂讨论、实验11课程目标】课程目标2六、课程目标与考核

11、内容课程目标考核内容评价依据课程目标1：通过本课程的教学，使得学生能从数量上揭示某一现象的发展变化规律，能从动态的角度刻划某一现象与其他现象之间的内在数量关系及其变化规律性，达到认识客观世界的目的。使学生对时间序列的基本概念、基本原理、基本方法有直观的认识，能熟练应用时间序列分析方法处理金融领域的动态数据，培养学生利用时间序列分析方法对金融等社会经济现象及自然现象作定量分析的能力。（支撑毕业要求指标点2.2,3.1,3.3,4.1）1R软件的基本操作。内容包括R语言的数据类型，R运算符，R基本函数的应用，R语言在统计学其它学科上的应用。2 .R语言数据的输入与处理。内容包括创建临时和永久数据集

12、，查看数据集，数据的输入与输出，时间序列数据集的处理。3 .时间序列预处理。输入数据集，绘制时序图，对数据进行平稳性检验和纯随机性检验。4 .模拟AR模型。随机模拟各种AR模型，观察自相关系数拖尾，偏相关系截尾的特点，并对模型进行检验。5 .模拟MA模型、ARMA模型。随机模拟各种AR模型、ARMA模型，观察它们的自相关系数和偏相关系数的特点，并对模型进行检验。6 .ARMA模型的参数估计和序列预测。ARMA模型的模型识别，参数估计，序列预测。期末考试；出勤及课堂表现；平时实验报告的完成情况。7 .非平稳模型的拟合。非平稳的ARIMA和GARCH等模型的拟合。8 .时间序列趋势拟。时间序列线性

13、趋势和非线性趋势拟合、X-I1过程。课程目标2：熟练应用Mat1ab、R语言、SAS等常用的数学软件和统计软件，能选择合适的时间序列对金融领域中的时间序列数据进行建模和求解分析。（支撑毕业要求指标点3.1,3.3,4.1,4.2）1 .利用R语言等统计软件对金融时间序列数据用时间序列分析方法完成6到8篇实验报告。2 .结合本课程所学内容，三人组队实践，用时间序列建模方法解决一个金融领域的实际问题。期末考试；出勤课堂表现；平时实验报告的完成情况。课程目标3：掌握时间序列分析的统计思想，以此提高学生解决实际问题的基本素质，学会怎样招理论与实际结合，锻炼学生的动手能力、独立思考能力和团队合作能力。（

14、支撑毕业要求指标点3.3,4.1,4.2）1 .建立金融时间序列模型的方法。2 .利用统计软件求解金融领域时间序列数据建立合适的时间序列模型的方法。3 .完成1到2篇有关对金融时间序列数据进行建模的论文写作。期末考试；出勤课堂表现；平时实验报告的完成情况。七、考核方式与评价细则考核方式比例考核/评价细则课堂表现10%评价标准：根据学生上课出勤情况和课堂讨论，回答问题等情况。基础分90分；旷课一次扣10分，迟到、早退、事假一次扣5分；有效参与讨论并正确回答问题一次加5分，最高100分。作业20%评价标准：根据学生提交的实验报告和作业情况。一学期一个学生大约上交10次左右作业。如果作业给出A、B、C、D等级，则全部为A计100分；两次及以上为A计90分；一次为A计85分；三次及以上为D计60分；其他80分。如果给出百分制的分值，则计为平均分。在此标准下，少交一