第5章非平稳时间模型.pptVIP

第五章 非平稳时间序列模型 本章结构 带趋势的平稳过程 单位根过程 带趋势的平稳过程与单位根过程的比较 平稳性的单位根检验 协整与误差修正模型 5.1、带趋势的平稳过程 如果图形显示增长是非线性的，可用多项式趋势来表示： 更一般的，白噪声可用一个平稳随机过程代替： 带趋势的平稳随机过程均值方差如下： 均值是时间的函数，方差是常数 5.2、单位根过程 一、随机游动过程 随机过程{y t ,t=1,2,…}, 若y t=yt-1+εt， 其中{εt}为独立同分布的白噪声序列，E(εt)=0，D(εt)=E（εt 2）=σ2∞ 则称{y t}为随机游动过程。 随机游动过程是一非平稳过程 y t=yt-1+εt =yt-2+εt-1+εt =yt-3+εt-2+εt-1+εt =…. =y0+ε1+ε2+…+εt E (y t)=y0 D(yt)=E(yt-y0)2=E(ε1+ε2+…+εt)2=tσ2 考察预测；根据T时刻之前的样本，对未来进行预测 在T时刻，噪声项发生变化，yT的值发生变化，其对未来时刻y的影响是永久的且同样的 预测方差随时间h增大而增大。 二、带常数项的随机游动过程 带常数项的随机游动 迭代整理得 由此可见，带常数项的随机游动包含一个确定性趋势和一个随机趋势 随机过程{y t ,t=1,2,…}, 若y t=ρyt-1+ ?t ， 其中ρ=1， {μt }为平稳过程，E（ μt ）=0， Cov（μt ，μt - s）= ρs∞, s=0,1,2,… 则称{y t}为单位根过程。 y t=ρyt-1+ μt ， （1- ρ B） y t= μt 平稳性要求?（B）= （1- ρ B） =0 B=1/ ρ，当ρ=1时，B=1 即有一个单位根，称为单位根过程。 当 |B|1时， |ρ|1时，就是平稳过程。 随机游走序列 Xt=Xt-1+ ?t 经差分后等价地变形为 ?Xt= ?t 由于?t是一个平稳过程，因此差分后的序列{?Xt}是平稳的。 如果一个时间序列经过一次差分变成平稳的，就称原序列是一阶单整（integrated of 1）序列，记为I(1) 单位根过程实际上是1阶单整过程 一般地，如果一个时间序列经过d次差分后变成平稳序列，则称原序列是d 阶单整（integrated of d）序列，记为I(d)。 显然，I(0)代表一平稳时间序列。 现实经济生活中: 只有少数经济指标的时间序列表现为平稳的，如利率等; 大多数指标的时间序列是非平稳的，如一些价格指数常常是2阶单整的，以不变价格表示的消费额、收入等常表现为1阶单整。 大多数非平稳的时间序列一般可通过一次或多次差分的形式变为平稳的。 但也有一些时间序列，无论经过多少次差分，都不能变为平稳的。这种序列被称为非单整的（non-integrated）。 例 中国支出法GDP的单整性 例 中国人均居民消费与人均国内生产总值的单整性 yt = 0.1+ 0.1t + yt-1+ ?t 生成的序列图 2) 如果?=0，??0，则（*）式成为一带时间趋势的随机变化过程： Xt=?+?t+?t 　 （***） 根据?的正负，Xt表现出明显的上升或下降趋势。这种趋势为确定性趋势 3) 如果?=1，??0，则Xt包含有确定性与随机性两种趋势。 判断一个非平稳的时间序列，其趋势是随机性的还是确定性的，可通过后文的ADF检验中所用的第3个模型进行 该模型中已引入了表示确定性趋势的时间变量t，即分离出了确定性趋势的影响。 因此， 如果检验结果表明所给时间序列有单位根，且时间变量前的参数显著为零，则该序列显示出随机性趋势 如果没有单位根，且时间变量前的参数显著地异于零，则该序列显示出确定性趋势。 随机性趋势可通过差分的方法消除 　确定性趋势无法通过差分的方法消除，而只能通过除去趋势项消除， 如：对式 　　　　　Xt=?+?t+ ?t 可通过除去?t变换为 　　　　　Xt - ?t =?+ ?t 该时间序列是平稳的，因此称为趋势平稳过程 　　 带趋势平稳过程与差分平稳过程的比较 1、预测的比较 考虑 H0：y t=?+yt-1+ ? t H1：y t- ? t=?(y t-1- ?( t-1) )+ ?t ，| ? |1. 在H0下， y t- ? t=?(y t-1- ?( t-1) )+ ? t 在H1下， 结论：趋势平稳过程代表了一个时间序列长期