8.时间序列分析.pptVIP

第一节 时间序列及其平稳性 第二节 时间序列平稳性检验 第三节 时间序列的单整和协整 一、时间序列数据与随机过程 时间序列数据是由不同随机变量产生的，是随机过程的一个实现（也就是一个样本）。 随机过程是一系列具有顺序性和内在联系的随机变量的集合。 二、时间序列的平稳性 如果一个时间序列Yt任意时刻概率分布都相同，则Yt是严平稳的； 如果一个时间序列Yt满足以下性质，则Yt是弱平稳的： 均值： E(Yt) = ? (常数) 方差： var(Yt) = ?2 (常数) 协方差：?k= E[(Yt -?) (Yt+k -?) ] (与t无关) 一个时间序列不是平稳的，就称为非平稳时间序列。 平稳时间序列 平稳性的解释： 指时间序列的统计规律不随时间的推移而发生变化。 直观上，一个平稳的时间序列可以看作是一条围绕其均值上下波动的曲线。 有时，不平稳性也许是由于均值起了变化。 平稳性分严平稳和弱平稳，本课程只介绍弱平稳 三、时间序列非平稳和伪回归 所谓时间序列的非平稳性，是指时间序列的统计规律随着时间的位移而发生变化，即生成变量时间序列的随机过程的特征随着时间而变化。 实际中，只有极少数时间数据是平稳的。 伪回归 当用一个时间序列对另一个时间序列做回归时，虽然两者之间并无任何意义的关系，但是常常会得到一个很高的R2值。这只是因为两个时间变量都显示出强劲的趋势，而不是由于两者之间的真实关系。这样的回归结果就是伪的。 如果时间序列是非平稳的，就有可能出现伪回归。 如果时间序列是平稳的，那么是可以用OLS做回归的。 第二节 时间序列平稳性检验 一、图形判断 如果时间序列数据有不变的中心趋势，或排除趋势性后有不变的中心趋势，则是平稳的。如图P214图10-2，10-3。 如果时间序列数据的中心趋势是变化的，则是不平稳的。如图P212图10-1。 二、自相关函数检验 若自相关函数ACF很小且很快趋向零，则是平稳的；若ACF从很高的值开始，非常缓慢地下降，一般来说这个时间序列是非平稳的。 自相关函数图通过View/Residual Test/Correlogram-Q-statistics 可作出。 三、单位根检验 具有趋势特征的经济变量受到冲击后的两种表现： 逐渐回到原趋势，冲击的影响渐渐消失； 不回到原趋势，呈现随机游走状态，影响具有持久性。这时若用最小二乘法，将得到伪回归。 例如：GDP ㈠单位根过程（随机游走） Yt=Yt-1+ εt 我们做回归： Yt=?Yt-1+ εt 如果发现? ＝1，则我们说随机变量有一个单位根。 在经济学中一个有单位根的时间序列叫做随机游走。 白噪声序列（white noise） 如果随机序列εt是遵从零均值、同方差、无自相关，则称之为白噪声序列。 均值： E(εt ) = 0 方差： var(εt ) = ?2 协方差：COV(εi ,εj)=0 (i与j不相等) 随机游走的比喻 一个醉汉的游走。醉汉离开酒吧后在时刻t移动一个随机的距离εt，如果他无限地继续游走下去，他将最终漂移到离酒吧越来越远的地方。 股票的价格也是这样，今天的股价等于昨天的股价加上一个随机冲击。 几种随机游走过程 纯随机游走：Yt=Yt-1+ εt 带漂移的随机游走：Yt=?＋Yt-1+ εt 带趋势的随机游走：Yt=?＋ηt＋Yt-1+ εt 其中εt是白噪声序列。 ㈡单位根检验：DF检验 H0： ?=1（?=0） 注意：若H0成立，t检验无效，因为这时t统计量不服从t分布。在?=1的假设下，将t统计量成为?（tau）统计量。 DF（Dickey-Fuller）检验： 构造统计量? 查表（ 要使用DF检验临界值表） 判断 单位根检验：DF检验的方程式 H0： ?=1（?=0） 纯随机游走： ?Yt= λYt-1+ εt ㈢单位根检验：ADF检验 DF检验假设了所检验的模型的随机扰动项不存在自相关。对有自相关的模型，需用ADF检验。 ADF检验：将DF检验的右边扩展为包含Yt的滞后变量，其余同于DF检验。 构造统计量 查表、判断。 单位根检验：ADF检验的方程式 ?Yt=?＋ λYt-1+ εt ?Yt=?＋ηt＋λYt-1+ εt ?Yt= α＋ηt＋λYt-1+?? ?Yt-i + ?t 其中i从1到m。 这一模型称为扩充的迪基－富勒检验。因为ADF检验统计量和DF统计量有同样的渐进分布，所以可以使用同样的临界值。 单位根检验在Eviews统计软件