第十章时间序列分析课题.pptVIP

第十章 时间序列分析;内容提要;第一节 时间序列的基本概念;一、时间序列;二、时间序列的数字特征;2、自协方差函数;3、自相关函数;三、平稳和非平稳时间序列 1、平稳时间序列; 假定某个时间序列是由某一随机过程（stochastic process）生成的，即假定时间序列{Xt}（t=1, 2, …）的每一个数值都是从一个概率分布中随机得到，如果满足下列条件： （1）均值 E(Xt) =μ是与时间t无关的常数，t=1,2,… （2）方差 Var(Xt) = E(Xt -μ)2 =σ2是与时间t无关的常数，t =1,2,… （3）协方差Cov(Xt, Xt+k）= E [(Xt -μ)(Xt+k -μ)]＝ rk是只与时期间隔k有关，与时间t 无关的常数， t=1,2,…，k≠0。 则称该随机时间序列是平稳的（stationary)，而该随机过程是平稳随机过程（stationary stochastic process）。 ; 易知它的自相关函数ρ(t,t+k)也仅与时间间隔k有关。则有：; ;用ut表示白噪声过程，满足: （1）E(ut) = 0 , 对所有t成立； （2）Var(ut) = σ2，对所有t成立； （3）Cov (ut, ut+k) = 0，对所有t和k≠0成立。 白噪声可用符号表示为： ut ～IID(0, σ2) 注：这里IID为Independently Identically Distributed（独立同分布)的缩写。;二、非平稳时间序列;几种常用的非平稳时间序列模型：; Xt = Xt－1+ut 其中：ut为白噪声。 Xt的均值为： E(Xt)= E(Xt-1+ut)= E(Xt－1) + E(ut) = E(Xt－1) 这表明Xt的均值不随时间而变。 为求Xt的方差，对Xt = Xt－1+ut进行一系列迭代： Xt= Xt－1+ut=Xt－2+ut-1+ut = Xt－3+ut-2+ut-1+ut =…… =X0+u1+u2+……+ut =X0+∑ut; 其中X0是Xt的初始值，可假定为任何常数或取初值为0，则： ;2、带漂移项的随机游走序列 Xt=μ+Xt－1+ut （1） 其中μ是一非0常数，ut为白噪声。 μ之所以被称为“漂移项”，是因为（1）式的一阶差分为： ΔXt = Xt－Xt-1 =μ+ut 这表明时间序列Xt向上或向下漂移，取决于μ的符号是正还是负。 易证明：E(Xt）= X0+tμ Var(Xt) = tσ2 显然，带漂移项的随机游走序列也是非平稳时间序列。;3、带趋势项的随机游走序列 Xt=μ+ βt+Xt－1+ut 容易证明，带趋势项的的随机游走序列也是非平稳时间序列。;如果使用非平稳序列进行回归，容易出现两个独立的序列表现出强相关关系，统计检验显著的现象，称为伪回归（spurious regression）;判断伪回归的经验法则： Granger Newbold（1974）提出当用时间序列数据进行回归时，如果R2在数值上大于DW统计量，就有理由怀疑伪回归存在。 一般认为，如果序列非平稳，不能使用回归模型，这应该视作一个基本规则。 所以，在用时序数据进行回归时，首先要判断序列是否平稳，要进行平稳性检验。;第二节 时间序列的平稳性检验;一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程； 而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 ;二、利用样本自相关函数进行平稳性判断; ;我们已知道，随机游走序列：Xt=Xt-1+ut是非平稳的，其中ut是白噪声。而该序列可看成是随机模型： Xt=?Xt-1+ut （1） 中参数?=1时的情形。 （1）式称为一阶自回归过程（AR（1）），可以证明该过