时间序列分析是数理统计的一个专业分支，其分析方法遵循概率统计的基本原理。但是由于时间的不可重复性，使得我们在实际观测某个变量时在任意时刻只能获得唯一的序列观察值，这种特殊的数据结构导致时间序列有其特殊、自成体系的一套分析方法。
本课程是时间序列分析的入门课程，其内容主要包括：时间序列的基本概念；时间序列的平稳性检验与纯随机性检验；平稳时间序列的随机分析方法；非平稳时间序列的随机分析方法；非平稳时间序列的确定性分析方法以及多元时间序列分析。
对于想从事数据分析工作的学生来说，本课程提供了分析时间序列数据的方法和工具，学习本课程可以提高数据分析能力。同时，在学习的过程中，通过对课程中相关案例的学习，也能够提升同学们分析和解决经济社会中实际问题的能力。
第一章 时间序列分析简介
1.1 平稳时间序列的定义
1.2 平稳时间序列的统计性质和意义
第一章PPT
第二章 时间序列的预处理
2.1 平稳时间序列的定义
2.2 平稳时间序列的统计性质和意义
2.3 平稳性的检验
2.4 纯随机序列的定义和性质
2.5 纯随机性检验
第一、二章讨论题
第二章PPT
第一次单元测验
第三章 平稳时间序列分析
3.1 方法性工具介绍
3.2 平稳时间序列模型的概念
3.3 时间序列模型平稳性的判定
3.4 平稳时间序列模型的统计性质（1）
3.5 平稳时间序列模型的统计性质（2）
3.6 平稳时间序列模型的参数估计
3.7 平稳时间序列模型的检验及优化
3.8 平稳时间序列模型的预测（1）
3.9 平稳时间序列模型的预测（2）
3.10 平稳时间序列模型的建模过程
3.11 平稳时间序列建立的案例
第三章讨论题
第二次单元测验
第四章 非平稳序列的随机分析
4.1 非平稳时间序列的构成
4.2 非平稳时间序列的平稳化方法
4.3 ARIMA模型
4.4 ARIMA模型预测
4.5 疏系数模型
4.6 简单季节模型
4.7 乘积季节模型
4.8 残差自回归模型（1）
4.9 残差自回归模型（2）
4.10 方差齐性变换
4.11 ARCH模型
4.12 GARCH模型
第四章讨论题
第四章PPT
第三次单元测验
第五章 非平稳序列的确定性分析
5.1 确定性因素分解
5.2 移动平均方法（1）
5.3 移动平均方法（2）
5.5 X-11季节调整模型案例
5.6 X-12-ARIMA模型的操作步骤
5.7 X-12-ARIMA模型案例
5.8 指数平滑预测
第五章讨论题
5.4 X-11季节调整模型的计算过程
第五章PPT
第四次单元测验
第六章 多元时间序列分析
6.1 平稳多元时间序列模型
6.2 虚假回归
6.3 四种重要的非平稳过程
6.5 ADF检验
6.7 误差修正模型
第六章讨论题
第六章PPT
6.4 DF检验
6.6 协整
第五次单元测验