14-2258-非参数时间序列分析前沿_——一个文献综述.doc

非参数时间序列分析前沿: ——一个文献综述 曹阳 金成晓a 安百国b （a.吉林大学 数量经济研究中心，吉林130012；b.首都经贸大学 统计学院，北京100026） 【摘要】非参数时间序列分析在各科学领域，特别是经济金融领域有非常广泛的应用。本文从非参数回归模型、非参数自回归模型、非参数VAR模型族、非参数面板时间序列模型、非平稳情形的非参数模型以及上述模型估计方法针对非参数时间序列分析发展前沿做了综述。重点集中在非线性模型的非参数估计技术上，即函数系数模型、非参数GARCH模型族及在此基础上给出的预测、检验和广义脉冲响应函数。最后指出了非参数时间序列分析发展至今所取得的成果的特点以及未来的发展趋势。 关键词 非线性模型；非参数估计；时间序列分析 中图分类号 F842；F822；F224 文献标识码 A 0 引言 目前已知的参数模型在满足一定假设条件下能达到较好的估计效果和预测结果，但现实情况是复杂多变的，尤其是当数据呈现出双峰或者多峰现象时，参数模型很难对其进行准确的刻画，这也使得参数模型所面临的局限越来越多。在描述多峰现象及概率密度未知时容易产生模型误设，参数模型估计结果往往不尽如人意。近年来随着计算机的迅速发展，非线性、非参数模型作为一种较新的方法，以其较少的限制、更高的估计精度，逐渐成为统计学的核心领域并成功的推向各个领域，在时间序列分析中受到了越来越广泛的关注。 在过去的三十年间，有关非线性时间序列的理论分析和实证研究引起了经济学家的极大兴趣。非线性时间序列分析主要研究的问题是非线性参数模型和非参数时间序列模型，基于以上两方面内容产生了大量的模型与方法。 非线性时间序列分析早期发展成果主要集中在非线性参数模型研究，如ARCH模型、门限自回归（TAR）模型、平滑转移（STR）模型、指数自回归（EXPAR）模型以及双线性（BL）模型。上述模型在金融、水文以及地震学时间序列分析等领域都有较多的应用。然而非线性参数模型及其相应的估计方法在很多情形所得到的结果都是比较粗糙的，其扰动项分布仍受特定分布限制，这就促使各种非参数技术在非线性时间序列分析的运用中崭露头角。有关非参数模型的一些经典著述可以参见Tj?stheim (1994) [1]，H?rdle et al. (1997)[2]，Fan和Yao (2003)[3]，Granger, Ter?svirta和Tj?stheim(2006)[4]等，但是从时间上讲这些文献已经不算新了，也不很全面。非参数方法最主要的优势在于“让数据自己说话”，同时也避免了选择合适参数模型所带来的困扰，因此在某种程度上可以作为对参数模型的一种补充和替代。 目前，国内尚没有一个综述性文献是介绍非参数时间序列的。本节对非参数时间序列分析发展前沿，从非参数回归模型、非参数自回归模型、非参数VAR模型族、非参数ARCH模型族、非参数面板模型以及非平稳情形的非参数模型及上述模型估计方法进行了综述。第二部分也是重点阐述部分，对目前较前沿的非线性模型的非参数估计技术，即函数系数模型及在此基础上给出的预测、检验进行了综述，同时介绍了非参数估计的广义脉冲响应函数。最后，总结部分指出了非参数时间序列发展至今的优点和未来发展趋势。 1 非参数时间序列模型与估计 1.1 非参数回归模型 考虑一个时间序列 ,一般的非参数回归模型表示如下： (1) 其中，为相互独立同分布随机变量列，满足均值为0，方差为1，与独立。对于，Auestad和Tj?stheim (1990) [5]、H?rdle和Vieu (1992) [6]提出了Nadaraya–Watson估计（N-W核估计），该估计形式如下： (2) 其中是一个核函数，满足。核函数的形式包括均匀核、正态核、立方核以及Epanechnikov核，核函数的选取对最终估计结果影响并不是决定性的，实际应用中一般采用Epanechnikov核。为窗宽，是使该估计均方误差最小的值，窗宽的选择是用来权衡偏差与方差的。 形如（1）式的估计方法还有k近邻权估计、局部加权描点光滑技术、局部多项式估计、样条估计、傅里叶级数光滑估计和小波估计。具体方法和步骤参见李竹渝等(2007)[7]。 1.2 非参数自回归（NAR）模型 考虑一个时间序列 ,一般的非参数自回归模型表示如下： (3) 其中表示预测变量，和为条件均值和条件方差。为均值为0，方差为1的独立同分布列，