友情链接:
合作联系
|
ASPEN培训课程
应用统计学、经济统计学、数据科学等专业学生，以及从事时间序列分析工作的分析师、研究员，具备基本统计学基础。
系统掌握时间序列的定义、预处理方法及各类建模技术，熟练运用AR、MA、ARIMA等经典模型进行时间序列分析与预测，能够将时间序列方法应用到实际业务场景中。
一、 时间序列分析概述：讲解时间序列的定义、分类及在经济分析中的应用价值，介绍时间序列分析的发展历程和基本任务。
二、 时间序列预处理技术：掌握平稳性检验的方法和标准，学习纯随机性检验技术，为后续建模奠定基础。
三、 差分运算与延迟算子：理解差分运算在平稳化处理中的作用，掌握延迟算子的数学定义和应用技巧。
四、 AR模型理论与应用：深入讲解自回归模型（AR）的结构、平稳性判别方法（特征根判别、自回归系数判别）及统计性质。
五、 MA模型理论与应用：学习移动平均模型（MA）的结构、统计性质及可逆性判别方法，掌握MA模型的逆转形式。
六、 ARMA模型综合应用：理解自回归移动平均模型（ARMA）的结构、平稳条件和可逆条件，掌握ARMA模型的性质分析方法。
七、 平稳序列建模全流程：学习平稳序列的建模步骤、模型识别方法、参数估计技术、模型检验与优化策略，以及预测方法。
八、 非平稳序列确定性分析：掌握时间序列的分解方法，学习趋势分析、季节效应分析技术，应用X11季节调整模型处理季节数据。
九、 ARIMA模型应用：理解差分整合移动平均自回归模型（ARIMA）的结构和性质，掌握非平稳序列的ARIMA建模方法。
十、 季节模型与疏系数模型：学习处理季节效应的季节模型构建方法，掌握疏系数模型在参数精简中的应用。
十一、 多元时间序列分析：讲解平稳时间序列的多元建模方法，识别虚假回归问题，掌握单位根检验、协整分析及误差修正模型的应用。
十二、 实验分析与案例实战：通过实际数据集完成时间序列分析全流程演练，从数据预处理到模型选择、参数估计和预测结果解读。
