第1章 时间序列分析

一、时间序列分析基础

1. 时间序列数据概述

2. 时间序列的基本概念

3. 时间序列基本模型

分为白噪声模型，自回归模型（AR模型），滑动平均模型（MA模型）、自回归滑动平均模型

4. 时间序列预测方法

分为均值预测法、朴素预测法、滑动平均法、指数平滑法、模型预测法

二、线性时间序列模型基础

1. 自回归模型

自回归模型定阶方法：偏自相关系数法、信息准则法、模型诊断法

2. 滑动平均模型

滑动回归模型定阶方法：自相关系数法、信息准则法、模型诊断法

3. 自回归滑动平均模型

4. 线性时间序列建模步骤

对数据进行变换，以确保数据满足平稳性假设。 为上述变换后的数据建立模型。 估计模型中的参数。 对模型进行诊断，以判断模型设定是否和数据特征相匹配。

##三、单位根时间序列模型
特殊的自回归过程。在时间序列的建模中，需要先对数据进行平稳性检验，常用的有DF检验、ADF检验和PP检验

四、非线性时间序列模型

例如二次函数曲线

五、 协整时间序列模型

单整：原序列非平稳，对原序列进行 d 阶差分后实现平稳，则称原序列为 d 阶单整序列
协整：两个序列都是非平稳，但他们具有长期均衡关系，如果两个序列的回归残差序列平稳，那这两个序列具有协整关系
协整检验—Engle-Granger检验

实际上就是检验两个序列的回归残差序列是否平稳，Engle-Granger检验与ADF检验的原理一样

六、波动率模型

自回归条件异方差模型（ARCH）