金融时间序列第2部分时间序列基础2非平稳时间序列要点.ppt

金融时间序列分析 陆贵斌 2012年10月 内容 第2部分 时间序列分析基础 非平稳时间序列分析 第一步 对任何一个时间序列进行建模， 首先，要求对时间序列有一定的了解； 直观的序列图 理论、经验等 目的：作出合理的、适度的假设； 非平稳序列 时间序列的分解 Wold分解定理 Herman Wold ，(1908-1992),瑞典人 1938年提出Wold分解定理。 1960年提出 偏最小二乘估计方法(PLS) Cramer分解定理 Harald Cremer (1893-1985)，瑞典人，斯德哥尔摩大学教授，Wold的指导教师。 Wold分解定理（1938） 对于任何一个离散平稳过程 ，都可以分解为两个不相关的平稳序列之和：一个为确定性的，另一个为随机性的， 其中： 为确定性序列， 为随机序列， 它们需要满足如下条件 （1） （2） （3） 确定性序列与随机序列的定义 对任意序列 而言，令 关于q 期之前的序列值作线性回归 其中 为回归残差序列， 。 确定性序列，若 随机序列，若 ARMA模型分解 Cramer分解定理（1961） 任何一个时间序列 都可以分解为两部分的叠加：1）由多项式决定的确定性趋势成分； 2）平稳的零均值误差成分。 对两个分解定理的理解 Wold分解定理：任何平稳序列都可以分解为确定性序列和随机序列之和。它是现代时间序列分析理论的灵魂，是构造ARMA模型拟合平稳序列的理论基础。 Cramer 分解定理是Wold分解定理的理论推广，它说明任何一个序列的波动都可以视为同时受到了确定性影响和随机性影响的综合作用。 时间序列确定性分析 传统的因素分解 长期趋势 循环波动（现在用的少） 季节性变化 随机波动 目的： 克服其它因素的影响，单纯测度出某一个确定性因素对序列的影响 推断出各种确定性因素彼此之间的相互作用关系及它们对序列的综合影响 趋势分析 目的 有些时间序列具有非常显著的趋势，要找到序列中的这种趋势，并利用这种趋势对序列的发展作出合理的预测。 常用方法 趋势拟合法 平滑法 趋势拟合法 趋势拟合法：时间作为自变量，相应的序列观察值为因变量，建立序列值随时间变化的回归模型 分类 线性拟合 非线性拟合 线性拟合 使用场合 长期趋势呈现出线形特征 模型结构 非线性拟合 使用场合 长期趋势呈现出非线形特征 参数估计指导思想 能转换成线性模型的都转换成线性模型，用线性最小二乘法进行参数估计 常用非线性模型 例： 对上海证券交易所每月末上证指数序列进行模型拟合 非线性拟合 模型 变换 参数估计方法 线性最小二乘估计 拟合效果图 平滑法 进行趋势分析和预测时常用的一种方法。利用修匀技术，削弱短期随机波动对序列的影响，使序列平滑化，从而显示出长期趋势变化的规律。 常用平滑方法 移动平均法 指数平滑法 简单指数平滑 基本公式 等价公式 季节效应分析 【例】以北京市1995年——2000年月平均气温序列为例，介绍季节效应分析的基本思想和具体操作步骤。 季节指数的理解 季节指数反映了该季度与总平均值之间的一种比较稳定的关系 1：该季度的值常常会高于总平均值 1：就说明该季度的值常常低于总平均值 ≈1：那就说明该序列没有明显的季节效应 例 季节指数的计算 例 季节指数图 综合分析 常用综合分析模型 加法模型 乘法模型 混合模型 例 对1993年——2000年中国社会消费品零售总额序列进行确定性时序分析。 (1)绘制时序图 (2)选择拟合模型 长期递增趋势和以年为固定周期的季节波动同时作用于该序列，因而尝试使用混合模型（b）拟合该序列的发展 (3)计算季节指数 季节指数图 (4)拟合长期趋势 季节调整后的序列图 (5)残差检验 (6)短期预测 二、 非平稳序列 常见的非平稳经济时间序列有以下几种。 （一）趋势平稳过程（退势平稳过程） （二）单位根过程(差分平稳过程，单整过程) yt = yt-1 + ut （三）趋势非平稳过程（带漂移且有时间趋势的随机游走） yt = ? + ? t + yt-1 + ut 序列蕴含着显著的线性趋势，一阶差分就可以实现趋势平稳。 序列蕴含着曲线趋势，通常低阶（二阶或三阶）差分就可以提取出曲线趋势的影响 。 对于蕴含着固