16自回归移动平均模型探究.ppt

第四章 时间序列计量经济学模型的理论与方法;§4.1 随机时间序列的特征;一、随机时间序列模型简介; 假定某个时间序列是由某一随机过程生成，即假定时间序列Xt的每一个数值都是从一个概率分布中随机得到，如果时间序列Xt 满足： 1）均值E(Xt )=? 是与时间t 无关的常数； 2）方差Var(Xt )=?2是与时间t 无关的常数； 3）协方差Cov(Xt , Xt +k)=?k 是只与时期间隔k 有关，与时间t 无关的常数； 则称该随机时间序列是平稳的（stationary)，而该随机过程是一平稳随机过程（stationary stochastic process）。;经典计量模型的数学基础是极限法则，以独立随机抽样为样本，如果模型设定正确，模型随机误差项满足极限法则和由极限法则导出的基本假设，继而进行的参数估计和统计推断是可靠的。 以时间序列数据为样本，破坏了随机抽样的假定，则经典计量模型的数学基础能否被满足成为一个重要问题。 对照极限法则和时间序列的平稳性条件研究发现，如果模型设定正确，并且所有时间序列是平稳的，时间序列的平稳性可以替代随机抽样假定，模型随机误差项仍然满足极限法则。;3. 白噪声和随机游走; 另一个简单的随机时间列序被称为随机游走(random walk)，该序列由如下随机过程生成： Xt = Xt-1 + ?t 这里，?t 是一个白噪声, ?t ~ N(0,?2)。;4. 齐次非平稳过程; 如果Yt 是一阶齐次非平稳过程，则序列： Wt =Yt ?Yt-1= ?Yt 就是平稳的。 如果Yt 是二阶齐次非平稳过程，则序列： Wt = ?Yt ? ?Yt-1= ?2Yt 就是平稳的。;5. 单整与非单整; 随机时间序列Yt 的自相关函数(autocorrelation function, ACF)： ?k=?k / ?0 自相关函数是关于滞后期k的递减函数。 对一个随机过程只有一个实现(样本), 因此，只能计算样本自相关函数(Sample autocorrelation function)：; 为了检验自相关函数的某个数值 ρk 是否为0，可以用Bartlett的研究结果：如果时间序列由白噪声生成，则对所有k 0，? k ~ N(0, 1/T ); 1. 确定性时间趋势 描述非平稳经济时间序列一般有两种方法，一种方法是包含一个确定性时间趋势： (*) 其中 ut 是平稳序列；a + ? t 是线性趋势函数。这种过程也称为趋势平稳的，因为如果从式(*)中减去 a +? t，结果是一个平稳过程。; 一般时间序列可能存在一个非线性函数形式的确定性时间趋势，例如可能存在多项式趋势： (**) t = 1, 2, ?, T 同样可以除去这种确定性趋势，然后分析和预测去势后的时间序列。对于中长期预测而言，能准确地给出确定性时间趋势的形式很重要。如果 Yt 能够通过去势方法排除确定性趋势，转化为平稳序列，称为退势平稳过程。; 2. 差分平稳过程 非平稳序列中有一类序列可以通过差分运算，得到具有平稳性的序列，考虑下式 (*) 也可写成： (**) ; 实际上，以往讨论的回归方程的序列自相关问题暗含着残差序列是一个平稳序列。因为如果残差序列是一个非平稳序列，则说明因变量除了能被解释变量解释的部分以外，其余的部分变化仍然不规则，随着时间的变化有越来越大的偏离因变量均值的趋势，这样的模型是不能够用来预测未来信息的。; 残差序列是一个非平稳序列的回归被称为伪回归，这样的一种回归有可能拟合优度、显著性水平等指标都很好，但是由于残差序列是一个非平稳序列，说明了这种回归关系不能够真实的反映因变量和解释变量之间存在的均衡关系，而仅仅是一种数字上的巧合而已。伪回归的出现说明模型的设定出现了问题，有可能需要增加解释变量或者减少解释变量，抑或是把原方程进行差分，以使残差序列达到平稳。 一个可行的办法是先把一个非平稳时间序列通过某种变换化成一个平稳序列。;一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程；而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。 ; ;