时间序列分析中国人民大学统计学院中国人民大学统计咨询研.ppt

中国人民大学学位办 学科建设 时间序列分析中国人民大学统计学院中国人民大学统计咨询研究中心 易丹辉 二○ ○五年七月 概 述 时间序列的含义 时间单位 年 季 月 周 日 时 低频数据 高频数据 时序数据特点 多变量时间序列分析 多变量时间序列回归模型 误差修正（ECM）模型 向量自回归（VAR）模型 向量误差修正（VEC）模型 Panel Data 模型 一、单变量时间序列分析 （一）模型的选择 1. 数据量和时间单位 数据量足够多 —— ARMA、ARIMA、GARCH 数据量不够多 —— 确定型趋势模型 平滑模型 3. 趋势类型判断 —— 自相关函数 —— 单位根检验 例：我国商品零售量指数 （三）模型分析与评价 1. 检验 各种不同模型有不同的检验 关键——模型已提取所有信息 2. 对历史数据拟合的分析 直观判断法 图、表 误差分析法 MAPE 3. 对未来趋势反映的分析 近期趋势的反映 直观判断 误差分析 试预测 预测结果的可能性分析 二、ARMA模型 （一）模型的引进 多元线性回归 自回归 移动平均模型 简单平均：序列平稳 围绕均值波动 示 例 我国工业总产值预测 计算机实现 1.建立工作文件 File/New/Workfile 月度数据，点选M，输入起始时间和终止时间 1990：01 1997：12 2.读入数据 File/Import/Excel 找到文件存储路径（如A盘或D盘），然后在对 话框中，输入变量的个数1，点击OK。 （六）预测 1. 最小方差预测： 使时间序列未来值的预测误差尽可能小 预测误差 （L）= - （L） 的方差 E（ （L） = E（ - （L） 应达到最小 。 也就是要使选择的时间序列L步预测值（L）与时间序列实际值之间距离比其它任何一点都短。 2. 预测的递推形式 ????? (七）单位根过程 问题的提出 用于预测的线性平稳模型： AR（p）模型 （B） = 方程 （B）= 0称为过程的特征方程，过程平稳的条件是，特征方程所有根的绝对值都必须大于1，即在单位圆外。 2. 单位根的定义 随机过程{ ，t = 1，2，......}，若 = t = 1，2，...... 其中， = 1，{ }为一稳定过程，且E（ ） = 0， cov ( ， ) = < , 这里 s = 0，1，2，......，则该过程称为单位根过程（unit root process）。 + + 特别地，若 = + t = 1，2，...... 其中，{ }为独立同分布，且E（ ） = 0， D（ ） = < ，则{ }为一随机游动过程（random waik process)。可以看出，随机游动过程是单位根过程的一个特例。 若随机过程{ }的一阶差分过程（ = ）为一稳定过程，则{ }服从单位根过程。 分别以I（1）和I（0）表示单位根过程和稳定过程， 则可将 和 记为 ~ I（1） ~ I（0） 3.趋势类型 确定性趋势模型 趋势平稳