时间序列分析概论.pptVIP

第 1 章 时间序列分析概论 1.1 时间序列的定义和例子 1.2 时间序列分析方法简介 1.3 时间序列分析软件 学习目标 时间序列的定义 常见的时间序列的类型 常见的时间序列分析方法和模型 统计软件Eviews 时间序列的定义 时间序列 按时间间隔的顺序而形成的一组随机变量， 简记 或 。 时间间隔可以为小时、天、月、年等； 一般为等时间间隔； 每个随机变量的分布可以不同； 一般只考虑不同时刻的随机变量不相互 独立的情形。 观察值序列 时间序列的n个有序观察值，称之为序 列长度为 n的观察值序列。 还记得样本的二重性吗？ 时间序列和观测值序列 观察值序列是时间序列的一个实现； 我们研究的目的是想揭示时间序列的性质； 实现的手段都是通过观察值序列的性质进 行推断。 不同的例子 最早的时间序列可以追溯到7000年前的古埃及。古埃及人把尼罗河涨落的情况逐天记录下来，就构成所谓的时间序列。 1820—1869年的太阳黑子数据图(时间序列图) 1990.12.19—2008.11.6上证A股指数 1978—2007年我国GDP数据(亿元) 1980.1—1991.10澳大利亚红酒的月度销量(公升) 1992年第一季度—2008年第三季度我国GDP数据(亿元) 另： 金融高频时间序列 以天、小时、分钟甚至秒为频率所采集的 按时间先后顺序排列的金融类数据以及每 笔交易的时间序列。 对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。 时间序列分析依赖于不同地应用背景，有着不同的目的 。 基本任务 揭示支配观测到的时间序列的随机规律。 目的 理解所要考虑的动态系统； 预报未来的事件； 并且通过干预来控制将来事件。 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。 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。 着重研究时间序列的功率谱密度函数对 序列的频率分量进行统计分析和建模。 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。 原理 事件的发展通常都具有一定的惯性，这种 惯性使用统计语言来描述即为序列之间的 相关关系，而这种相关关系具有一定的统 计性质。 分析时间序列的样本自相关函数，并建 立参数模型，以此去描述序列的动态相 依关系。 目的 寻找这种统计规律，并且拟合适当的数学 模型来描述这种规律，进而利用这个拟合 模型来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。 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口径； 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。 基础阶段 核心阶段 完善阶段 G.U.Yule —1927年，AR模型； G.T.Walker—1931年，MA模型， ARMA模型。 G.E.P. Box和 G.M. Jenkins 1、1970年，出版《Time Series Analysis Forecasting and Control》； 2、 提出ARIMA模型（Box—Jenkins 模 型）； 3、 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。 异方差场合 Robert F. Engle，1982年，ARCH