本课程系统介绍时间序列分析的理论与方法。内容涵盖时间序列的基本概念、预处理技术，重点讲解平稳序列的AR、MA、ARMA模型及其建模预测，进而探讨非平稳序列的ARIMA模型、季节调整、异方差处理以及多元时间序列分析等高级主题。旨在帮助学员掌握对按时间顺序排列的数据进行建模、分析和预测的核心技能。

视频课程目录：
一、时间序列分析简介
二、时间序列的预处理
三、平稳时间序列分析（含AR、MA、ARMA模型，平稳序列建模与预测）
四、非平稳序列的随机分析（含ARIMA、季节模型、异方差与ARCH/GARCH模型）
五、非平稳序列的确定性分析（含季节调整、指数平滑）
六、多元时间序列分析




├─{01}--时间序列分析简介
│ (1.1)--1.1时间序列的定义.pdf
│ (1.2)--1.2时间序列分析方法.pdf
│ [1.1]--1.1时间序列的定义.mp4
│ [1.2]--1.2时间序列分析方法.mp4
│
├─{02}--时间序列的预处理
│ (2.1)--2.1特征统计量.pdf
│ (2.2)--2.2平稳时间序列的定义和统计性质.pdf
│ (2.3)--2.3平稳时间序列的意义.pdf
│ (2.4)--2.4平稳性检验.pdf
│ (2.5)--2.5纯随机序列的定义、性质.pdf
│ (2.6)--2.6纯随机性检验.pdf
│ [2.1]--2.1特征统计量.mp4
│ [2.2]--2.2平稳时间序列的定义和统计性质.mp4
│ [2.3]--2.3平稳时间序列的意义.mp4
│ [2.4]--2.4平稳性检验.mp4
│ [2.5]--2.5纯随机序列的定义、性质.mp4
│ [2.6]--2.6纯随机性检验.mp4
│
├─{03}--平稳时间序列分析
│ │ (3.1)--3.1方法性工具.pdf
│ │ (3.4)--3.4ARMA模型.pdf
│ │ [3.1]--3.1方法性工具.mp4
│ │ [3.4]--3.4ARMA模型.mp4
│ │
│ ├─{02}--AR模型
│ │ (3.2.1)--3.2.1AR(p)模型的定义.pdf
│ │ (3.2.2)--3.2.2AR模型的平稳性判别.pdf
│ │ (3.2.3)--3.2.3平稳AR模型的统计性质--均值、方差.pdf
│ │ (3.2.4)--3.2.4平稳AR模型的统计性质---自协方差函数.pdf
│ │ (3.2.5)--3.2.5平稳AR模型的统计性质---自相关系数.pdf
│ │ (3.2.6)--3.2.6平稳AR模型的统计性质---偏自相关系数.pdf
│ │ [3.2.1]--3.2.1AR(p)模型的定义.mp4
│ │ [3.2.2]--3.2.2AR模型的平稳性判别.mp4
│ │ [3.2.3]--3.2.3平稳AR模型的统计性质--均值、方差.mp4
│ │ [3.2.4]--3.2.4平稳AR模型的统计性质---自协方差函数.mp4
│ │ [3.2.5]--3.2.5平稳AR模型的统计性质---自相关系数.mp4
│ │ [3.2.6]--3.2.6平稳AR模型的统计性质---偏自相关系数.mp4
│ │
│ ├─{03}--MA模型
│ │ (3.3.1)--3.3.1MA(q)模型的定义.pdf
│ │ (3.3.2)--3.3.2MA模型的统计性质.pdf
│ │ (3.3.3)--3.3.3MA模型的可逆性.pdf
│ │ (3.3.4)--3.3.4MA模型的逆函数.pdf
│ │ (3.3.5)--3.3.5MA模型的偏自相关系数.pdf
│ │ [3.3.1]--3.3.1MA(q)模型的定义.mp4
│ │ [3.3.2]--3.3.2MA模型的统计性质.mp4
│ │ [3.3.3]--3.3.3MA模型的可逆性.mp4
│ │ [3.3.4]--3.3.4MA模型的逆函数.mp4
│ │ [3.3.5]--3.3.5MA模型的偏自相关系数.mp4
│ │
│ ├─{05}--平稳序列建模
│ │ (3.5.1)--3.5.1建模步骤与样本相关系数的计算.pdf
│ │ (3.5.2)--3.5.2模型识别.pdf
│ │ (3.5.3)--3.5.3参数估计.pdf
│ │ (3.5.4)--3.5.4模型检验.pdf
│ │ (3.5.5)--3.5.5模型优化.pdf
│ │ [3.5.1]--3.5.1建模步骤与样本相关系数的计算.mp4
│ │ [3.5.2]--3.5.2模型识别.mp4
│ │ [3.5.3]--3.5.3参数估计.mp4
│ │ [3.5.4]--3.5.4模型检验.mp4
│ │ [3.5.5]--3.5.5模型优化.mp4
│ │
│ └─{06}--序列预测
│ (3.6.1)--3.6.1线性预测函数.pdf
│ (3.6.2)--3.6.2线性预测方差最小原则及性质.pdf
│ (3.6.3)--3.6.3AR(p)模型的序列预测.pdf
│ (3.6.4)--3.6.4MA模型的序列预测.pdf
│ (3.6.5)--3.6.5ARMA模型的序列预测.pdf
│ (3.6.6)--3.6.6修正预测.pdf
│ [3.6.1]--3.6.1线性预测函数.mp4
│ [3.6.2]--3.6.2线性预测方差最小原则及性质.mp4
│ [3.6.3]--3.6.3AR(p)模型的序列预测.mp4
│ [3.6.4]--3.6.4MA模型的序列预测.mp4
│ [3.6.5]--3.6.5ARMA模型的序列预测.mp4
│ [3.6.6]--3.6.6修正预测.mp4
│
├─{04}--非平稳序列的随机分析
│ │ (4.1)--4.1时间序列的分解.pdf
│ │ (4.2)--4.2差分运算.pdf
│ │ (4.4)--4.4疏系数模型.pdf
│ │ (4.5)--4.5季节模型.pdf
│ │ (4.6)--4.6残差自回归模型.pdf
│ │ (4.7)--4.7异方差的性质.pdf
│ │ (4.8)--4.8方差齐性变换.pdf
│ │ [4.1]--4.1时间序列的分解.mp4
│ │ [4.2]--4.2差分运算.mp4
│ │ [4.4]--4.4疏系数模型.mp4
│ │ [4.5]--4.5季节模型.mp4
│ │ [4.6]--4.6残差自回归模型.mp4
│ │ [4.7]--4.7异方差的性质.mp4
│ │ [4.8]--4.8方差齐性变换.mp4
│ │
│ ├─{03}--ARIMA模型
│ │ (4.3.1)--4.3.1ARIMA模型的结构、性质.pdf
│ │ (4.3.2)--4.3.2ARIMA模型的建模.pdf
│ │ (4.3.3)--4.3.3ARIMA模型的预测.pdf
│ │ [4.3.1]--4.3.1ARIMA模型的结构、性质.mp4
│ │ [4.3.2]--4.3.2ARIMA模型的建模.mp4
│ │ [4.3.3]--4.3.3ARIMA模型的预测.mp4
│ │
│ └─{09}--条件异方差模型
│ (4.9.1)--4.9.1ARCH模型.pdf
│ (4.9.2)--4.9.2GARCH模型.pdf
│ [4.9.1]--4.9.1ARCH模型.mp4
│ [4.9.2]--4.9.2GARCH模型.mp4
│
├─{05}--非平稳序列的确定性分析
│ (5.1)--5.1确定性因素分解.pdf
│ (5.2)--5.2X-11季节调整模型.pdf
│ (5.3)--5.3X-12-ARIMA模型.pdf
│ (5.4)--5.4指数平滑预测模型.pdf
│ [5.1]--5.1确定性因素分解.mp4
│ [5.2]--5.2X-11季节调整模型.mp4
│ [5.3]--5.3X-12-ARIMA模型.mp4
│ [5.4]--5.4指数平滑预测模型.mp4
│
└─{06}--多元时间序列分析
(6.1)--6.1平稳多元序列建模.pdf
(6.2)--6.2虚假回归.pdf
(6.3)--6.3单位根检验.pdf
(6.4)--6.4协整.pdf
(6.5)--6.5误差修正模型.pdf
[6.1]--6.1平稳多元序列建模.mp4
[6.2]--6.2虚假回归.mp4
[6.3]--6.3单位根检验.mp4
[6.4]--6.4协整.mp4
[6.5]--6.5误差修正模型.mp4