函数型数据分析是由生物统计学家开发出来用于研究生物实验学数据的统计分析方法,其后被拓展并广泛应用于考古学、气象学等领域。本文的研究目的是将函数型数据分析应用在时间序列数据的分析之中,并评价该方法在时间序列应用领域的可行性、有效性、优越性和可能需要注意的问题。　　本文介绍了函数型数据分析的主要思想和理论方法,并在此基础之上对其在时间序列分析上的应用进行了尝试。本文通过三个实证案例分别研究了函数型平滑法在单变量时间序列数据预处理中的应用、函数型主成分分析在多元时间序列曲线特征分析中的应用以及函数型典型相关分析在分析两族曲线联动相关性上的应用。　　文章的主要工作和创新体现在三个方面:第一,对国内函数型数据分析的文献进行了归纳整理,明晰了国内外函数型数据分析的现状,并对现有国内文献中忽视的个别重要概念给予了补充:如基函数的确定及其个数的选择,相平面图工具等;其次,本文基于函数型数据分析方法提出了季节动态效应分解模型,并利用相平面图工具研究了CPI月度数据中季节效应的动态变化;最后,本文引入了一个股票收益率序列的函数型波动过程,应用函数型主成分分析方法研究了股票收益率序列波动率和成交量的曲线特征,并利用函数型典型相关分析方法研究了波动率和成交量之间的联动关系。实证的结果显示了函数型数据分析在时间序列分析上是灵活和有效的,尤其是在进行数据预处理和高频数据分析方面。