第1章 引论

判断数据是否适合用来做时间序列分析

定性分析
时序图（必须作出来）：在某些阶段呈现一定的规律性、重复性（可以是绕着某个值上下波动，也可以是类似于季节性的那种）
类似锯齿一样的（艾奥瓦州迪比克月平均气温时序图）
信息较多
2个时刻配对（前后年：例如洛杉矶当年与去年的降水的散点图）的散点图：必须是近似线性，可以在某个带状区域

可用来建模的时序必须是前后时刻存在相关性的，目前我们采取的方法是画前后时刻的散点图，如果不是杂乱无章的，那么就可以初步判断是可以用来建模的。

时间序列分析—过程

数据——建模——用途
1、数据
数据是带有特定信息的数
我们要把信息提取出来
时间数据：按照发生的先后顺序记录 并且顺序不可打乱 有序性
真实数据：我们所用的数据都是真实发生的数据
2、建模
模型识别：大致的模型确定下来 某一大类
模型拟合：确定参数 来找出具体的某一个模型
模型诊断: 判断模型好坏 利用估计误差 只要估计误差可接受 那模型就是合理的
有了统计推断，才能把统计学推上科学的角度。
3、用途
系统描述：可以建立对某一个系统的描述 例如这个地方什么时候可以种什么之类的
系统分析：金融风险分析 金融体系实时的分析
预测：时序分析的重中之重 例如对天气的预测
决策 控制
本课程主要重点：
1、模型识别：时序图、专业背景知识、时间序列分析技术
2、模型拟合：参数估计、估计最优原则：最小二乘法（最简洁，用的最广泛）和极大似然法（具有强烈的统计学意义，已经发生的事实是最可能发生的）
3、模型诊断：残差分析（模型的好与坏通过残差分析确定模型的好与坏）
建模的目的：找到一个理想的、可接受的模型。