EVIEWS70讲解..pptVIP

第八章 基本时间序列模型的估计 时间序列模型简介 指数平滑法 趋势分解的滤波方法 一、时间序列模型简介 对某些经济指标的时间序列（通常是金融时间序列）来说，通常不存在明显的趋势变动和周期变动，或者是存在某种长期趋势但是短期趋势经常发生变化。这种特性是金融数据本身特点决定的。针对这种时间序列有很多处理方法，本章将介绍指数平滑法对这种序列进行处理。 而一般的月度或季度经济指标，通常包含4中变动要素：长期趋势要素、循环趋势要素、季节变动要素和不规则要素。长期趋势要素代表经济时间序列的长期走势，循环趋势要素是以数年为周期的一种周期性变动，它可能是一种景气变动、也可能是经济变动或其他周期变动。季节变动要素是每年重复出现的循环变动，以12个月或4个季度为周期的周期性影响，可能由温度、假期等因素引起。不规则要素又称随机因子或噪声，变化无规则且不固定，由偶然发生的事件引起。通常来说，研究一般经济指标序列的重点多放在该序列的长期趋势要素和循环趋势要素上，这就要求把这两种要素从整个序列中分解出来。本章介绍的H-P滤波方法和BP滤波方法就是分解时间序列的两种重要的基本方法。 二、指数平滑法 指数平滑法的前提是认为时间序列的态势具有稳定性或规则性，所以时间序列可被合理地顺势推出。最近的过去态势在某种程度上会持续到最近的未来，所以将较