chap时间序列分析简介.ppt

应用时间序列分析 参考书 何书元(2003)，《应用时间序列分析》，北京大学出版社. 王燕：《应用时间序列分析》，中国人民大学出版社，2008年（第2版）。 Box、Jenkins：《时间序列分析:预测与控制----现代外国统计学优秀著作译丛》，中国统计出版社，1997年。 Hamilton J. (1994). Time series analysis. Princeton University Press. (中译本：刘明志译. 时间序列分析, 中国社会科学出版社, 1999) 目 录 第一章 绪论 第二章 时间序列的预处理 第三章 平稳时间序列模型 第四章 ARMA模型的特性 第五章 平稳时间序列模型的建立 第六章 平稳时间序列预测 第七章 非平稳时间序列分析 第一章 绪论 时间序列分析简介 本章结构 引言 时间序列的定义 时间序列分析方法简介 时间序列分析软件 1.1 时间序列分析的一般问题 最早的时间序列分析可以追溯到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。对这个时间序列长期的观察使他们发现尼罗河的涨落非常有规律。由于掌握了尼罗河泛滥的规律，使得古埃及的农业迅速发展，从而创建了埃及灿烂的史前文明。 按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。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。 新浪股票五天走势图 时间序列还可以表示 某地区的月降水量 某航空公司的逐日客流量 某地区每月的煤炭消耗量 某国家的逐月失业率 等等 时间序列的定义 随机序列:按时间顺序排列的一组随机变量 其中时间也可以具有不同的物理意义，比如长度，温度，速度。 观察值序列:随机序列的 个有序观察值，称之为序列长度为 的观察值序列 随机序列和观察值序列的关系 观察值序列是随机序列的一个实现 我们研究的目的是想揭示随机时序的性质 实现的手段都是通过观察值序列的性质进行推断 数学定义 随机过程：是定义在概率空间 (Ω,F, P) 上的随机变量{X(t,w), t∈T, w ∈Ω}的全体。 一方面，对既定的w ，X(.,w)是从T到 R 上的函数。它称为随机过程的实现值。 另一方面，对既定的t， X(t,.)是W到 R 上的函数。该定义包括了连续型和离散型时间过程。 如果指标 T 在 R 上离散，我们称此过程为时间序列, 记为 或 。 1.3 时间序列分类 按所研究的对象，分为一元时间序列和多元时间序列； 按时间的连续性，分为离散时间序列和连续时间序列； 按序列的统计特性，分为平稳时间序列与非平稳时间序列； 按序列的分布规律，分为高斯型与非高斯型时间序列。 §1.3 时间序列的分析方法 一、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 这两组数据之间存在关系 二、统计时序分析 频域分析方法 时域分析方法 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 时间序列基本样式 一、平稳时间序列 白噪声序列是个典型的平稳时间序列；(一般考虑的是均值为0的Gaussian白噪声过程) 许多金融时间序列数据呈现出平稳时间序列的数据特性 二、非平稳时间序列 趋势性时间序列 确定性趋势时间序列 线性趋势时间序列 指数趋势时间序列 随机趋势时间序列 季节性时间