沒學過隨機過程，直接學時間序列分析吃得消嗎？

1樓：perseverance

雖然現在的回答可能失去時效性了，不過還是想補充一下：

個人認為其實（連續）隨機過程是時間序列分析的擴充套件，先學時間序列本來就是更好的選擇。

比如，連續隨機過程裡的Ornstein–Uhlenbeck process均勻取樣就是AR(1)，反過來AR(1)對引數取個極限就是OU process。一般來說從離散開始學起更利於知識的消化吧。

2樓：Yupeng

完全不感覺時間序列分析和隨機分析在自學上有太大聯絡。時間序列分析是統計學，隨機過程是分析學，時間序列裡邊所謂的隨機過程都是統計中的隨機過程，和分析學的process差別還是很大的

3樓：黃文修

如果是本科程度的時間序列分析應該是並不需要太多隨機過程的知識的，它應該是更偏重於統計方向的；隨機過程更多的偏向的是概率方向的隨機分析。

4樓：mahalanobis

不用擔心吧，統計系本科的time series更多精力會放在解釋幾個線性、非線性模型上，牽扯到隨機過程的概念不懂得也不影響你學下去。例如記得講到隨機序列嚴平穩與寬平穩的定義，老師只給intuition，證明略。

多說一點吧。你不妨了解下回歸分析的基本思想，time series本質上也是在做回歸，只不過它只有乙個變數，現在與過去做回歸。

不管你們老師要不要求用R語言實現arima，garch等模型，你自己都要去實現一遍。你完全可以靠這門課入門R，多了一門手藝我都替你高興。

5樓：日落大道

沒問題的，時間序列大部分都是在講ARIMA，ARCH，GARCH，time trend，stationary and non-stationary。跟stochastic沒關係。

我們學校的乙個大神教授再過兩年鐵定以時間序列的研究獲諾貝爾經濟學獎，現在他的課卡的很嚴，一般人不讓上，想選必須把所有數學相關課程的成績單和書單email給他。但數學裡也沒對stochastic做要求，倒是對高階計量經濟學有要求

6樓：好好好

個人愚見沒什麼問題（我這麼幹過）

我當時連數理統計都沒上過，所謂的概率統計相關的課就上過概率論。然後學了點泛函，這玩意大概對hilbert space框架下理解時序那些收斂性質有點用。

上過數理統計知道做統計的幾個目的就差不多夠了，時序不過是種新的建模方法而已。跟傳統大學教的隨機過程內容（泊松，markov，intro to 隨機pde）交集不大，用概率論的觀點也足夠了。

7樓：

個人建議最好看看隨機過程的基礎書籍，比如

應用隨機過程教程龔光魯，錢敏平著

據說這本書是專門寫給工科生的。然後裡面包括了你想學的時間序列分析的基礎內容。

最好對馬爾科夫鏈，Poisson過程等基本隨機過程模型都要點感覺。有如果直接跳過隨機過程學的話，可能會越學越糊塗的。

8樓：

知乎雖然有很多不裝逼的牛人，但想要減小被誤導的風險，這問題你該問你的的課程老師啊。他最清楚課程難度以及前提要求。

況且一般課程會說明學該課程前提必須先學什麼。。。你該看了吧。