EVIEWS70讲解精要.ppt

第八章 基本时间序列模型的估计 时间序列模型简介 指数平滑法 趋势分解的滤波方法 一、时间序列模型简介 对某些经济指标的时间序列（通常是金融时间序列）来说，通常不存在明显的趋势变动和周期变动，或者是存在某种长期趋势但是短期趋势经常发生变化。这种特性是金融数据本身特点决定的。针对这种时间序列有很多处理方法，本章将介绍指数平滑法对这种序列进行处理。 而一般的月度或季度经济指标，通常包含4中变动要素：长期趋势要素、循环趋势要素、季节变动要素和不规则要素。长期趋势要素代表经济时间序列的长期走势，循环趋势要素是以数年为周期的一种周期性变动，它可能是一种景气变动、也可能是经济变动或其他周期变动。季节变动要素是每年重复出现的循环变动，以12个月或4个季度为周期的周期性影响，可能由温度、假期等因素引起。不规则要素又称随机因子或噪声，变化无规则且不固定，由偶然发生的事件引起。通常来说，研究一般经济指标序列的重点多放在该序列的长期趋势要素和循环趋势要素上，这就要求把这两种要素从整个序列中分解出来。本章介绍的H-P滤波方法和BP滤波方法就是分解时间序列的两种重要的基本方法。 二、指数平滑法 指数平滑法的前提是认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推出。最近的过去态势在某种程度上会持续到最近的未来，所以将较大的权数放在最近的资料。 常用的指数平滑法包括一次指数平滑、二次指数平滑和Holt-Winter非季节模型和季节加法与乘法模型。 一次指数平滑又称为单指数平滑。时间序列 的平滑序列 的计算公式如(公式8-1)下： 1、一次指数平滑 其中， 实施机制序列； 是平滑值序列（smoothed series）； 是上期平滑值α是平滑系数（smoothing parameter），也叫衰减因子。平滑系数的取值范围为： 。重复迭代以上公式，可得到（公式8-2） 由式8.2我们可以看出，平滑值序列实际上是由实际序列的历史数据加权平均得到的，而权数被定义为以时间为指数的形式，故此方法被称为指数平滑法。一次指数平滑法的预测对所有未来的观测值都是常数，这个常数为 （对于所有k＞0），T是时间序列的最终点。 二次指数平滑又被称为双重指数平滑。该方法适用于线性趋势预测。二次指数平滑的计算公式为： 是一次指数平滑序列； 是二次指数平滑学列； 是平滑系（ ）。 二次指数平滑就是在一次指数的基础上对数据进一步进行平滑所产生的。 二次指数平滑预测公式如下： 2、二次指数平滑 式 8-3中，T是样本末期。 这个公式叫做Brown单参数指数平滑线性预测公式。它所产生的预测值是截距为 ，斜率为 的线性趋势值。 这种方法适用于具有线性时间趋势但无季节变化的序列。与双指数平滑法一样，这种方法以线性趋势进行预测，但不同的是，双指数平滑法只用一个参数，而这个模型有两个平滑系数α和β（ ）。 平滑序列的计算公式为： 3、Holter-Winter非季节模型 如果t=T，预测模型为： 式8-5中， 是截距， 是斜率。可以看出他们都是通过平滑值计算得到的。 该方法适用于具有线性趋势和加法季节变化的序列。平滑序列的计算公式为： 式8-7中， 表示截距， 表示斜率， 表示趋势， 为加法模型季节因子，s表示季节周期长度（如月度s=12）。 该模型需要三个系数来给出季节因子、截距和斜率的初值。此三个系数的递归式定义为： 4、Holter-Winter季节加法模型 其中：k0, 在0~1之间。如果t=T，预测模型为： 其中， 用样本数据最后一年的季节因子。 案例8.1 设置要点 （1）平滑的操作 打开图8. 1 eu_do序列，点Proc/Exponential Smoothing，打开如图8. 2所示的指数平滑窗口。由于数据不存在季节性，选用Double（二次指数平滑）方法。平滑参