1-时间序列分析简介.pptVIP

* * * * * * * * * * * * 时间序列分析方法 描述性时序分析 统计时序分析 * 描述性时序分析 通过直观的数据比较或绘图观测，寻找序列中蕴含的发展规律，这种分析方法就称为描述性时序分析 描述性时序分析方法具有操作简单、直观有效的特点，它通常是人们进行统计时序分析的第一步。 * 描述性时序分析案例 德国业余天文学家施瓦尔发现太阳黑子的活动具有11年左右的周期 * 统计时序分析 频域分析方法 时域分析方法 时域-频域分析方法 * 频域分析方法 原理 假设任何一种无趋势的时间序列都可以分解成若干不同频率的周期波动 发展过程 早期的频域分析方法借助富里埃分析从频率的角度揭示时间序列的规律 后来借助了傅里叶变换，用正弦、余弦项之和来逼近某个函数 20世纪60年代，引入最大熵谱估计理论，进入现代谱分析阶段 特点 非常有用的动态数据分析方法，但是由于分析方法复杂，结果抽象，有一定的使用局限性 * 时域分析方法 原理 事件的发展通常都具有一定的惯性，这种惯性用统计的语言来描述就是序列值之间存在着一定的相关关系，这种相关关系通常具有某种统计规律。 目的 寻找出序列值之间相关关系的统计规律，并拟合出适当的数学模型来描述这种规律，进而利用这个拟合模型预测序列未来的走势 特点 理论基础扎实，操作步骤规范，分析结果易于解释，是时间序列分析的主流方法 * 时域分析方法的分析步骤 考察观察值序列的特征 根据序列的特征选择适当的拟合模型 根据序列的观察数据确定模型的参数等 检验模型，优化模型 利用拟合好的模型来推断序列其它的统计性质或预测序列将来的发展 * 时域分析方法的发展过程 基础阶段 核心阶段 完善阶段 * 基础阶段 G.U.Yule 1927年，AR模型（Autoregressive model） G.T.Walker 1931年，MA模型，ARMA模型(Autoregressive and Moving Average model) * 核心阶段 G.E.P.Box和 G.M.Jenkins 1970年，出版《Time Series Analysis Forecasting and Control》 提出ARIMA模型（Box—Jenkins 模型） Box—Jenkins模型实际上是主要运用于单变量、同方差场合的线性模型 * 完善阶段 异方差场合（非线性模型） Robert F.Engle，1982年，ARCH模型 Bollerslov，1985年GARCH模型 多变量场合（多元时间序类分析） C.Granger ，1987年，提出了协整（co-integration）理论 非线性场合 汤家豪等，1980年，门限自回归模型 * 时域-频域分析方法 小波分析为主 Morlet，Meyer， Daubechies等 时间-频率窗口，多尺度分析 经典著作： 《时间序列分析的小波方法》 《Wavelet Methods for Time Series Analysis》 D.B. Percival and A.T. Walden, 2004, Cambridge University Press * 1.4 时间序列分析软件 常用软件 R, S-plus，Matlab，Gauss，TSP，Eviews ,SAS … 推荐软件——R R是 一种语言，是基于Ｓ语言两种形式中的一种，另一为S-plus 一种软件，是集统计分析与图形显示于一体的统计分析工具 是完全免费的！其他软件尽管非常优秀，可是你需要支付一笔$US . R嵌入了一个非常实用的帮助系统. R具有很强的作图能力. 通过Ｒ语言的许多内嵌统计函数，很容易学习和掌握R语言的语法. 我们可以编制自己的函数来扩展现有的Ｒ语言 ….... * * * * * * * 时间序列分析 主讲人： 陆智萍 华东师范大学 金融与统计学院 联系方式及答疑时间地点 联系方式 邮件：zplu@sfs.ecnu.edu.cn 答疑时间地点 时间：每周二中午11h45-12h45 地点：金统楼235办公室 上机时间：待定 * 考核方式 平时：Project：30%(2人一组)+作业10% 期末： 60% 作业：理论+实际数据 * 教材 时间序列分析及应用 R语言 Cryer and Chan 机械工业出版社 2010 * 参考书目 Ruey S. Tsay（2011）王辉 潘家柱 译 金融时间序列分析（第二版） 人民邮电出版社 P. J. Brockwell and R. A. Davis (2006) Time Series: Theory and Met