专业课《时间序列分析》知识点+重点笔记+试题及答案

资料目录（截图原因可能偏模糊，实际都是高清版）

备考《时间序列分析》，最致命的误区是把它当成“回归分析的进阶版”或“数学公式大全”——沉迷于背诵差分方程、特征根、AR/MA模型的ACF/PACF理论值，结果遇到“某公司销售额数据有明显趋势和季节性，请选择合适模型并说明理由”这类实际问题时，只会罗列“差分、季节调整”几个词，却看不见这门课的本质是用统计模型揭示数据随时间变化的动态规律。这门课的核心不是数学推演，而是从数据中识别模式、建立模型、进行预测。

第一，以“平稳性”为逻辑主线重构知识体系。 平稳性是时间序列分析的基石。从平稳性的定义出发，理解自相关函数（ACF）和偏自相关函数（PACF）如何描述平稳序列的“记忆”。然后，根据ACF/PACF的截尾或拖尾特征，去识别AR、MA或ARMA模型。建议手绘一张“模型识别流程图”，从平稳性检验开始，到模型识别、定阶、参数估计、诊断检验，再到预测。

第二，死磕“模型识别与定阶”这个理论心脏。 这是从理论走向应用的关键。给定一组数据，怎么知道它该用AR、MA还是ARMA？p和q怎么定？这是拉开分数的考点。不仅要记住ACF/PACF的理论模式，更要理解样本ACF/PACF的波动性和截尾/拖尾的判断标准（±2/√n）。

第三，建立“非平稳序列”的应对策略。 现实中的数据大多是非平稳的。要熟练掌握差分（普通差分、季节差分）如何消除趋势和季节性，以及差分后如何识别ARIMA模型。单位根检验（ADF检验）的原理和结果解读也要吃透。