7---平稳过程.docVIP

时间序列分析 时间序列模型最早是由博克斯-詹金斯（Box-Jenkins）于1970年提出的。时间序列模型的主要包括： 第一，确定变量过去行为的特征； 第二，预测。 这种建模方法不考虑以经济理论为依据的解释变量的作用，而是根据变量本身的变化规律，利用相应的外推机制描述时间的变化。一般来说，建立时间序列模型主要包括三个步骤： 第一，时间序列的识别和模型形式的选择； 第二，模型参数的估计； 第三，模型的诊断。 其中最重要的是第一步。 对于给定的时间序列，模型形式的选择往往不是唯一的。 平稳过程 （Stationary Time Series） 时间序列的定义和特性 1． 时间序列的定义 一个时间序列是在随机过程的基础上产生的。随机过程的额一次观察结果即为一个时间序列过程， 记为。 2． 平稳过程 平稳过程：时间序列的特征不随时间的变化而变化 强平稳过程的条件 联合概率分布和条件概率分布都不随时间的变化而变化 2-2） 弱平稳过程的条件 ， ， 。 常用的随机过程 白噪声过程 （white noise） ， ， 。 随机游走 （random walk） ， ， 。 ==〉随机过程的一阶差分为白噪声过程。 ， 随机过程的均值毫无意义， 随机游走过程不是围绕着序列的均值而波动。 趋势平稳过程 （trend stationary） 上机实习 计算机仿真制作 白噪声过程 随机漫步 趋势平稳过程 比较它们的折线图，分析异同。 常用的平稳过程 一、 自回归模型（AR模型） 1. 定义 2. 平稳性的必要条件 对于AR（p）模型 ， 平稳性的必要条件： 。 如果有漂移项， 则 。 (2-1) 上机实习 利用计算机模仿 过程。其中， 。 请分析系数的正负和大小对走势有何影响。 3. 滞后结束的判别 (1) 判别方法 (1-1) 根据AIC（赤池情报量）或者SBIC情报量来确定P的大小； 根据偏自相关系数确定P 对于AR(p)模型而言， 偏自相关函数 自相关函数（Auto correlation functions, ACF） 随着k的增大呈现指数衰减。 (2) 上机实习 用计算机生成以下过程： 4. 参数估计方法 (1) 估计方法 使用最大似然法（Maximum Likelihood method） ， 其中， ==〉 (2) 上机实习 对生成的 分别进行参数估计和假设检验 5. 预测 （1） 预测的准则 预测计算的准则：最小方差预测误差准则，即 （2） 预测值的计算 二、 移动平均模型（MA模型） 1. 定义 2. 可逆性的必要条件 (1) 利用计算机模仿 过程。其中， 。 请分析系数的正负和大小对走势有何影响。 (2) 可逆的必要条件 对于MA（q） 模型， 可逆性的必要条件： 。 3. 滞后结束的判别 (1) 判别方法 对于MA(q) 而言， 自相关系数 偏自相关系数 随着k的增大呈现指数衰减。 (2) 上机实习 模仿 各生成1000个样本。 4. 参数估计 最小二乘法（OLS） （2） 最大似然法（Maximum Likelihood method， ML） 其中， ==〉 (3) 上机实习 对生成的 分别进行参数估计和假设检验 5. 预测 （1） 预测的准则 预测计算的准则：最小方差预测误差准则，即 （2） 预测值的计算 三、 自回归移动平均模型（ARMA模型） 1. 定义 (1) 计算机仿真 (2) 定义 2. 平稳性和可逆性的必要条件 模型而言，平稳性和必要性的必要条件： ，。 如果有漂移项， 则 。 3. 阶数p﹑q的判别 (1) 判别方法 偏自相关系数 自相关系数 (2) 上机实习 模仿 各生成2000个样本，并画出后1500个样本的折线图。 4. 参数估计 (1) 估计方法 使用最大似然法（Maximum Likelihood method） ， 其中， ==〉 ； ； (2) 上机实习 对 分别进行参数估计和假设检验。 5. 预测 （1） 预测的准则 预测计算的准则：最小方差预测误差准则，即 预测值的计算 小结