平稳性的检验.ppt

第二章 时间序列的预处理 2.1 随机过程和时间序列 随机过程的概念 随机过程和时间序列 随机过程的概念 时间序列不是无源之水。它是由相应随机过程产生的。只有从随机过程的高度认识了它的一般规律。对时间序列的研究才会有指导意义。对时间序列的认识才会更深刻。 事物变化的过程可以分成两类。一类是确定型过程，一类是非确定型过程。 确定型过程即可以用关于时间t的函数描述的过程。例如，真空中的自由落体运动过程，行星的运动过程等。 非确定型过程即不能用一个（或几个）关于时间t的确定性函数描述的过程。换句话说，对同一事物的变化过程独立、重复地进行多次观测而得到的结果是不相同的。 例如：对河流水位的测量。其中每一时刻的水位值都是一个随机变量，如果以一年的水位纪录作为实验结果，便得到一个水位关于时间的函数xt。这个水位函数是预先不可确知的。只有通过测量才能得到。而在每年中同一时刻的水位纪录是不相同的。 由随机变量组成的一个有序序列称为随机过程，记为{x (s, t) , s?S , t?T }。其中S表示样本空间，T表示序数集。 对于每一个 t, t?T, x (·, t ) 是样本空间S中的一个随机变量。 对于每一个 s, s?S , x (s, ·) 是随机过程在序数集T中的一次实现。 随机过程简记为 {xt} 或 xt。随机过程也常简称为过程。 连续型随机过程：若T为一区间，则｛Xt｝为一连续型随机过程。 离散型随机过程：若T为离散集合，如T＝（0，1，2，……）或T＝（……，-2，-1，0，1，2，……），则｛Xt｝为离散型随机过程。 例 某河流一年各时刻的水位值，{x1, x2, …, xT-1, xT,}，可以看作一个随机过程。每一年的水位纪录则是一个时间序列，{x11, x21, …, xT-11, xT1}。而在每年中同一时刻（如t = 2时）的水位纪录是不相同的。{ x21, x22, …, x2n,} 构成了x2取值的样本空间。 随机过程和时间序列 随机过程的一次实现称为时间序列，也用{xt }或xt表示。 时间序列中的元素称为观测值。{xt}既表示随机过程，也表示时间序列。 xt既表示随机过程的元素随即变量，也表示时间序列的元素观测值。 在不致引起混淆的情况下，为方便，xt 也直接表示随机过程和时间序列。 例 要记录某市日电力消耗量，则每日的电力消耗量就是一个随机变量，于是得到一个日电力消耗量关于天数t的函数。而这些以年为单位的函数族构成了一个随机过程 {xt}, t = 1, 2, … 365。因为时间以天为单位，是离散的，所以这个随机过程是离散型随机过程。而一年的日电力消耗量的实际观测值序列就是一个时间序列。 让一台计算机生成一个独立同分布N(0,σ2)序列{εt(1)}t=-∞∞ ，让另一台计算机产生另外一个无穷序列{εt(1)}t=-∞∞ ，这两者看作高斯白噪声过程的两个实现。 在经济分析中常用的时间序列数据都是经济变量随机序列的一个实现。 2.2 平稳性检验 特征统计量 平稳时间序列的定义 平稳时间序列的统计性质 平稳时间序列的意义 平稳性的检验 概率分布 概率分布的意义 随机变量族的统计特性完全由它们的联合分布函数或联合密度函数决定 时间序列概率分布族的定义 实际应用的局限性 特征统计量 均值 方差 自协方差 自相关系数 平稳时间序列的定义 严平稳 严平稳是一种条件比较苛刻的平稳性定义，它认为只有当序列所有的统计性质都不会随着时间的推移而发生变化时，该序列才能被认为平稳。 宽平稳 宽平稳是使用序列的特征统计量来定义的一种平稳性。它认为序列的统计性质主要由它的低阶矩决定，所以只要保证序列低阶矩平稳（二阶），就能保证序列的主要性质近似稳定。 平稳时间序列的统计定义 满足如下条件的序列称为严平稳序列 满足如下条件的序列称为宽平稳序列 严平稳与宽平稳的关系 一般关系 严平稳条件比宽平稳条件苛刻，通常情况下，严平稳（低阶矩存在）能推出宽平稳成立，而宽平稳序列不能反推严平稳成立 特例 不存在低阶矩的严平稳序列不满足宽平稳条件，例如服从柯西分布的严平稳序列就不是宽平稳序列 当序列服从多元正态分布时，宽平稳可以推出严平稳 平稳时间序列的统计性质 常数均值 自协方差函数和自相关函数只依赖于时间的平移长度而与时间的起止点无关 延迟k自协方差函数 延迟k自相关系数 若{Xt}为平稳序列，假定EXt=0，由于 令s=t-k，于是我们就可以用以下记号表示平稳序列的自协方差函数，即： 自相关系数的性质 规范性 对称性 非负定性 非唯一性 平稳时间序列的意义 时间序列数据结构的特殊性