1-时间序列分析解析.ppt

静态预测结果 EViews操作：点击View，选residual Diagnostics，Serial Correlation LM Test vt的相关图、偏相关图如下，vt中已不存在自相关。 第1章结束 剔除不显著的回归因子 观察模型残差序列的相关图，可能是一个AR（1）过程 （也带上sar(4)） SAR（4）果然没有显著性，剔除之。 预测结果 xt= 0.8 xt –4+ut序列的相关图与偏相关图（file:7gener1-text4） xt= - 0.8 xt –4+ut序列的相关图与偏相关图（file:7gener1-text4） 生成(1,0,0)(1,0,0)12序列， (1-0.5L)(1- 0.9L12) z4t = ut 的相关图与偏相关图 例： (0,0,0)(0,0,1)4序列 xt= ut+0.8 ut –4序列的相关图与偏相关图 例：(0,0,0)(0,0,1)4序列 xt= ut - 0.8 ut –4序列的相关图与偏相关图 例：(0,0,0)(0,0,1)4序列 xt = (1+ 0.4 L)(1+ 0.6 L12)ut 的相关图与偏相关图 过度差分 从Lny退2次趋势的序列和其谱图都可以看出Lny序列存在一个6、7年的长周期，同时存在一个12个月的季节变化周期。 Lny退2次趋势序列的相关图和偏相关图 Lnyt - 4.8199 -0.0077t -0.000357t2 = ut 过度差分 预测评价 从LnGDP退趋势的序列和其谱图都可以看出LnGDP序列存在一个9年左右的长周期，同时存在一个4个月的季节变化周期。 LnGDP退势序列的相关图和偏相关图 人口序列yt（1949?2012）的相关图，偏向关图 人口差分序列Dyt（1950?2012）的相关图和偏相关图 过度差分 注意表达式的写法 （2）特征根倒数在单位圆之内。 注意：这里评价的都是根的倒数。 （3）Q检验通过 Q(3) ~ Q(15) 都通过非自相关检验。模型的随机误差序列满足非自相关要求。 ARMA(1,1) 模型理论与样本 自相关函数与偏自相关函数比较 ● 样本外预测，置信区间预测。 大跃进时期 Dyt的相关图与偏相关图 模型的特征根的倒数都在单位圆以内，满足要求。 Q(2) ~ Q(10) 都通过非自相关检验。模型的随机误差序列满足非自相关要求。 （3）Q检验通过。 静态预测2007年中国粮食产量，52262万吨。 （未讲） （未讲） （未讲） （未讲） （未讲） （未讲） （未讲） T=10000 T=60 T=20 注意：? 11 = ?1永远成立 注：2个标准差 = 2 T -1/2 = 2（1/7）= 0.286。图中虚线表示到中心线2个标准差宽度。 注意：? 11 = ?1永远成立 差分过度 1.6 时间序列模型的建立与预测 1.6.1 时间序列模型的识别 1.6.1 时间序列模型的识别 1.6.1 时间序列模型的识别 ARIMA模型识别举例 似然函数曲面在给定? 2= 2，5条件下，切面的两条交线。 似然函数曲面在给定在? = 500，502条件下切面的两条交线。 图中曲面顶点对应的就是均值? 和 方差? 2的极大似然估计值。 ? ? 2 （不讲） （不讲） （不讲） （不讲） （不讲） 中国粮食产量差分序列 自相关函数-拖尾特征 自相关函数-截尾特征 1 ?? 0 -1?? 0 本页不要求掌握 为什么？ 本页不要求掌握 为什么？ 本页不要求掌握 ?1 ? 0 ?1 ? 0 时间序列分析领域的代表性人物 G Box 刁锦寰（G. C.Tiao） 敬事 = 敬业 ！ 壹志 file: li-12-1b file: 7arma07 file: 7b2c3 file: 7HongKong file: li-12-2 file: 7dummy01 file: 7program1 file: 7gener1 液面记录仪 中国外汇储备（1990-1?2008-12） 由随机游走过程产生的时间序列（file：7program1，text01） 深证综指 由随机游走过程产生的时间序列（file：7gener1，text5） 深证综指 AR(1)序列 中国旅游人数差分序列 （