《时间序列分析》课程教学大纲.docx
《时间序列分析》教学大纲
课程名称：时间序列分析课程编号：2322
英文名称：TimeSeriesAnalysis
学时：48学时 学分：3学分
开课学期：第6学期
适用专业：数据科学与大数据技术专业
课程类别：理论课
课程性质：专业方向拓展课
先修课程：概率论基础、数理统计、Python程序设计
一、课程的性质及任务
《时间序列分析》课程是数据科学与大数据技术专业一门重要的专业方向拓展课，包括平稳时间序列分析，非平稳时间序列分析、异方差函数分析等内容，是利用随机数学的方法分析随时间变化的随机数据序列的统计规律性，其内容包括模型构建、参数估计及最佳预测与控制等。该课程所学方法在经济学、社会科学领域以及自然科学领域均得到了十分广泛的应用。随着计算机技术的发展与普及，其方法将日益发挥更加重要的作用。学好本课程已成为对数据科学与大数据技术专业本科生的基本要求，同时也将为学生后续的学习与实践打下重要的方法论基础。
通过该门课程的学习，让学生能深刻地理解时间序列的基本理论、思想和方法，掌握时间序列分析中水平指标和速度指标的计算，并能预测未来，更能应用于解决实践中遇到的问题，从而提高学生的数理金融素质，掌握用时间序列建模进行基本分析的方法。
依据河北工程大学数据科学与大数据技术专业培养计划，本课程需要培养学生的能力是：
能够将数学、自然科学、工程基础和大数据技术的专业知识用于复杂工程问题的推演、分析和计算（毕业要求指标1.3）
能够基于数据科学相关科学原理和数学模型方法正确表达大数据应用领域的复杂工程问题（毕业要求指标2.2）
在大数据系统设计和开发中能够综合考虑社会、健康、安全、法律、文化及环境等制约因素（毕业要求指标3.4）
能够对采集到的实验数据进行整理、分析和解释，并能通过信息综合、算法设计得出有效结论（毕业要求指标4.3）
二、课程目标与要求
2.1课程目标
掌握时间序列的相关概念和序列预处理常用方法；
掌握方差齐性、异方差性时间序列模型建模过程
具备一定的专业技术研究能力，能够采用时间序列模型技术对涉及时序数据的复杂工程问题进行研究，建立对应模型，对实验结果进行分析，通过信息综合等方法获得有效结论。
能够对时序数据分析的复杂工程问题进行识别、表达和分析，得出有效结论；并能够通过时间序列模型算法分析实际问题，建立模型，并编写程序。在设计过程中能够体现创新意识，能够综合考虑社会、健康、安全、法律、文化以及环境等因素。
时间序列分析课程教学大纲
PAGE16
PAGE351
2.2课程目标与毕业要求对应关系
毕业要求二级指标
毕业要求
1
2
3
4
●
能够将数学、自然科学、工程基础和大数据技术的专业知识用于复杂工程问题的推演、分析和计算
1.具有扎实的数学与自然科学知识和工程基础，系统地掌握数据科学与大数据技术领域的基本理论、基础知识，并综合运用所学知识解决复杂工程问题。
●
能够基于数据科学相关科学原理和数学模型方法正确表达大数据应用领域的复杂工程问题
2.掌握统计与机器学习的基本方法，能够综合运用数学、自然科学和数据科学的基本原理，对复杂的工程系统，识别问题、描述问题并通过文献研究分析与大数据相关的工程问题，以获得有效结论。
●
在大数据系统设计和开发中能够综合考虑社会、健康、安全、法律、文化及环境等制约因素
3.能够设计出大数据应用领域的复杂工程问题的解决方案，具有数据采集、处理、分析、挖掘的能力，并能够在设计环节中体现创新意识，考虑社会、健康、安全、法律、文化以及环境等多维度协同发展因素。
●
能够对采集到的实验数据进行整理、分析和解释，并能通过信息综合、算法设计得出有效结论
4.能够基于数据科学与大数据技术原理并采用科学方法对大数据应用领域的复杂工程问题进行研究，包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。
2.3课程目标与培养环节对应矩阵
序号
课程目标
理论教学
课内实验
课后作业
1
掌握时间序列的相关概念和序列预处理常用方法；
H
L
2
2. 掌握方差齐性、异方差性时间序列模型建模过程
H
M
L
3
具备一定的专业技术研究能力，能够采用时间序列模型技术对涉及时序数据的复杂工程问题进行研究，建立对应模型，对实验结果进行分析，通过信息综合等方法获得有效结论。
H
M
4
能够对时序数据分析的复杂工程问题进行识别、表达和分析，得出有效结论；并能够通过时间序列模型算法分析实际问题，建立模型，并编写程序。在设计过程中能够体现创新意识，能够综合考虑社会、健康、安全、法律、文化以及环境等因素
H
L
注：H表示该能力的在此环节重点培养；M表示该能力在此环节有应用要求；L表示该能力在此环节有所涉及。
Python程序设计课程教学大纲
PAGE2
PAGE