爱丁堡大学时间序列分析课程的主要目标是让同学获得对时间序列分析中所涉及的问题的深入理解。下面是对时间序列分析考试重点内容的梳理和解析，有需要的同学不妨了解一下。

一、考试重点内容

1、白噪声序列、单变量平稳和积分非平稳随机序列。

2、向后移位算子、向后差分算子和时间序列特征方程的根。

3、通过另一个平稳随机序列(特别是白噪声序列)的一般线性滤波器定义一个时间序列。

4、线性过程的众所周知的模型平稳自回归(AR)、移动平均(MA)、自回归移动平均(ARMA)；非平稳综合ARMA(ARIMA)。

5、有漂移和无漂移的随机游动，特别是增量呈正态分布的随机游动。

6、多元时间序列模型，特别是VAR模型。

7、协同集成过程。

8、时间序列模型的估计、诊断和识别。

9、非线性(如TAR和GARCH)、非平稳(如带有平稳误差的回归)时间序列模型。

10、使用Box-Jenkins方法和外推法从时间序列数据中应用时间序列模型和预测。

11、应用于时间序列和季节调整的平滑技术。

二、考试评估目标

1、展示对时间序列分析的主要概念的知识和批判性理解。

2、展示对MA、AR、ARMA、ARIMA和RW模型主要特性的知识和重要理解。

3、使用最小二乘法、最大似然法和其他方法使时间序列模型与数据相吻合。

4、选择合适的型号，例如AIC或BIC。

5、将趋势和季节趋势拟合到数据中，并将时间序列模型拟合到残差中。

6、了解用于预测的方法。

7、了解ARCH、GARCH和其他非线性时间序列模型及其在金融数据建模中的应用。

8、充分理解时间序列数据，进行时间序列数据的基本计算和汇总。

9、理解并批判性地评估计算机软件拟合的时间序列模型。

10、使用一系列时间序列模型进行预测。

11、就时间序列分析问题进行有意义和富有成效的交流。

同学可以将上述内容作为爱丁堡大学时间序列分析考试复习的基本框架，如果这些内容同学都能掌握的话，那么通过考试应该没有问题。