第12章时间序列模型.pptVIP

第十二章 时间序列模型 §12.1 时间序列定义 §12.2 时间序列模型的分类 §12.3 时间序列模型的建立 §12.4 时间序列模型的识别 §12.5 时间序列模型的估计 §12.6 时间序列模型的检验 §12.7 时间序列模型的预测 §12.8 案例分析 §12.9 回归与ARMA组合模型 时间序列分析方法由Box-Jenkins 1976 提出。 这种建模方法不以经济理论为依据，而是依据变量自身的变化规律，利用外推机制描述时间序列的变化。 注意序列的平稳性。如果时间序列非平稳，应先通过差分使其平稳后，再建立时间序列模型。 估计ARMA模型方法是极大似然法。 对于给定的时间序列，模型形式的选择通常并不是惟一的。在实际建模过程中经验越丰富，模型形式选择就越准确合理。 §12.1 时间序列定义 一、随机过程与时间序列 二、平稳性 三、非平稳性 四、补充：差分算子与滞后算子 五、两种基本的随机过程：白噪声和随机游走 随机过程：随时间由随机变量组成的一个有序序列称为随机过程，用 xt，t∈T 表示，简记为 xt 或xt 。 时间序列：随机过程的一次观测结果 一次实现 ,时间序列中的元素称为观测值。时间序列也用 xt，t∈T 表示，简记为 xt 或xt 。 协方差平稳过程（covariance stationary process） 如果一个随机过程xt满足以下性质， 1 均值： E xt ? 常数 2 方差： var xt ?2 常数 3 自协方差：?k E[ xt -? xt+k -? ] ?k 2 （一种更为简便的方法是用自相关系数来描述自协方差，即通过自协方差除以方差进行标准化后而得到ρk rk /r0。） 这时称xt是协方差平稳过程，也称宽平稳或弱平稳过程。 单整过程（unit root process） 1. 白噪声（white noise）过程 若随机过程 xt t?T 满足以下条件则称为白噪声过程 1 E xt 0 2 Var xt ? 2 ? ? , t?T 3 Cov xt, xt - k 0, t - k ? T , k ? 0 2. 随机游走（random walk）过程 对于xt xt -1+ut，若ut 为白噪声过程，称xt 为随机游走过程。 随机游走过程的均值为零，方差为无限大。 xt xt -1 + ut ut + ut-1 + xt -2 ut + ut-1 + ut-2 + … 1 E xt E ut + ut-1 + ut-2 + … 0, 2 Var xt Var ut + ut-1 + ut-2 + … ? ? 随机游走过程是非平稳的随机过程。 对随机游走进行一阶差分，可将其转化为平稳过程。 ?xt xt- xt-1 ut §12.2 时间序列模型的分类 一、自回归过程AR p 二、移动平均过程MA q 三、自回归移动平均过程ARMA p,q） 四、单整自回归移动平均过程ARIMA p,d,q 一、自回归过程AR p 1. p阶自回归过程 AR p xt ?1xt -1+?2 xt -2+…+?p xt -p+ut 其中：?i , i 1, … p 是自回归参数，ut 是白噪声过程。 xt是由它的p个滞后变量的加权和以及ut相加而成。 上式用滞后算子表示为： 1-?1L-?2L2-…-?pLp xt ??L xt ut ??L 1-?1L-?2L2-…-?pLp 称为特征多项式或自回归算子 2. AR 1 过程分析 xt ?1xt-1+ut 平稳性的条件是特征方程 1-?1L 0根的绝对值必须大于1，满足 |1/?1|? 1，也就是 |?1| 1 xt ut +?1ut-1+?12xt-2 ut+?1ut-1+?12ut-2+…（短记忆过程） 因为ut 是一个白噪声过程，所以对于平稳的AR 1 过程： E xt 0 Var xt ?u2 + ?12 ?u2 + ?14?u2 +… 上式说明若保证xt平稳，必须保证 | ?1| 1。 习 题1 为了验证这一性质，首先将yt-1用滞后算子表示Lyt yt Lyt +ut yt-Lyt ut （1-L） yt ut 特征方程为：1-z 0 其中有根z 1落在单位圆上，而不是单位圆之外。 该过程是非平稳的，它是随机游走过程。 xt ?1xt-1+?2xt-2+ut 平稳性的条件是特征方程1-?1L-?2L2 0的两个根在单位圆外： 1. q阶移动平均过程 MA q