第八章时间序列精编.ppt

第八章 时间序列分析 (Time Series Analysis);第一节 时间序列分析的基本概念 ;时间序列 随机过程的一次实现称为时间序列，可用{xt}或xt表示。随机过程与时间序列的关系图示如下：; 比如某河流一年的水位值， {x1, x2, …, xT-1, xT,}，可以看做一个随机过程，每一年的水位记录则是一个时间序列，如{x11, x21, …, xT-11, xT1}。 而在每年中同一时刻（如t=2时）的水位记录是不同的，{ x21, x22, …, x2n,} 构成了x2取值的样本空间。; 时间序列 xt通常包含四个成分： 趋势因素（trend），季节因素（seasonality），循环因素（cycle）和不规则因素（irregular）。 时间序列的分解通常有加法分解法则和乘法分解法则，有兴趣的读者可以参阅其他文献。;二、平稳性（Stationarity） 1.严平稳 如果一个时间序列xt的联合概率分布不随时间而变，即对于任何n和k， x1, x2 ,…，xn的联合概率分布与x1+k , x2+k , … xn+k的联合分布相同，则称该时间序列是严格平稳的。 ;2、弱平稳 由于在实践中上述联合概率分布很难确定，我们用随机变量 xt （t=1,2,…）的均值、方差和协方差代替之。一个时间序列是“弱平稳的”，如果：;三、五种经典的时间序列类型 1.白噪声（ White noise） 最简单的随机平稳时间序列是一具有零均值同方差的独立分布序列： xt=εt ，εt ～IID (0,?2 ) 该序列常被称为白噪声。;标准正态白噪声序列时序图 ;2.随机游走（Random walk） 如果一个序列由如下随机过程生成： xt= xt-1+εt ， 其中εt是一个白噪声，则该列序被称为随机游走。容易证得E(xt)= E(xt-1)，Var(xt)= t?2，xt的方差与时间t有关而非常数，因此随机游走序列是一非平稳序列。 随机游走序列可以通过差分变换后： Δxt= εt 。由于εt 是白噪声，所以Δxt是平稳序列，说明随机游走可以通过差分变换为平稳序列。; 随机游走过程是最简单的非平稳过程，它是 xt=?xt-1+εt 的特例，此式通常被称为一阶自回归过程（简记为AR(1)），可以证明该过程在－1＜?＜1时是平稳的，其他情况下，则不平稳。 xt=?xt-1+εt 又是 xt =?1 xt-1+?2 xt-2+……+?q xt-q+εt的特例，即q??自回归过程（简记为AR(q)），如果其特征方程的所有根的绝对值均大于1，则序列是平稳的，否则为非平稳过程。;3.带漂移项的随机漫步 (Random walk with drift) 首先考虑如下随机过程： xt =?+?t+? xt-1+εt 其中：εt是白噪声，t为时间趋势。如果?=1，?=0，则上式为一带漂移项的随机游走过程： xt =?+xt-1+εt （1） 根据?的正负，xt表现出明显的上升或下降趋势，这种趋势称为随机性趋势（stochastic trend）。对于（1）式我们同样可通过差分的方法使其变为平稳的序列，因此（1）式也被称为差分平稳过程（difference stationary process），或称随机趋势非平稳过程。;4. 趋势平稳过程（trend stationary process） xt =?+?t+εt 根据?的正负，xt会表现出明显的上升或下降趋势，这种趋势称为确定性趋势（deterministic trend）。 对于确定性趋势，我们无法通过差分的方法消除，而只能通过除去趋势项来消除，使该序列变为平稳，这样的序列我们称为趋势平稳过程，或称退势平稳过程。其规范表述如下： xt = ?0 + ?1 t +εt, εt = ?εt-1 + vt , (? 1, vt ? IID(0, ?2)) ;5. 确定性趋势非平稳过程（non-stationary process with deterministic trend）; 四、单整 如果一个时间序列经过一次差分后能够变成平稳序列，就称原序列是一阶单整（integrated of 1）序列，记为I(1)。如果一个时间序列经过d次差分后能够变成平稳序列，则相应的称原序列是d阶单整（in