第四章 时间序列数据的平稳性检验.ppt

第四章时间序列数据的平稳性检验 本章要点 几种重要的随机时间序列模型 平稳性的定义 平稳性的检验方法（ADF检验） 伪回归的定义 协整的定义及检验方法（AEG方法） 误差修正模型的含义及表示形式 时间序列模型分为确定性时间序列模型和随机时间序列模型两大类。 对于确定性时间序列模型，主要是通过一些简单的外推技术，如移动平均、指数平滑等进行预测，不反映事件序列的随机性质。 而随机时间序列模型是一个随时间变化的随机变量在不同时点取值的结果。例如，时间序列X1，X2，…，Xt可以认为是某个随机变量Xt在t=1,2,…,T的一个可能结果。 第一节 随机过程和平稳性原理 一、随机过程 一般称依赖于参数时间t的随机变量集合{ }为随机过程。 例如，假设样本观察值y1，y2…,yt是来自无穷随机变量序列…y-2, y-1,y0 ,y1 ,y2 …的一部分，则这个无穷随机序列称为随机过程。 二、平稳性原理 如果一个随机过程的均值和方差在时间过程上都是常数，并且在任何两时期的协方差值仅依赖于该两时期间的距离，而不依赖于计算这个协方差的实际时间，就称它为平稳的。 平稳随机过程的性质： 均值 （对所有t） 方差 （对所有t） 协方