常用计量经济模.pptVIP

第一节 时间序列的外推、平滑和季节调整 一、时间序列的成分 趋势成分（Trend）、循环成分（Cyclical）、季节成分（Season）、不规则成分（Irregular） 二、简单外推模型 由时间序列过去行为进行预测的简单模型 3、自回归趋势模型 [例1] 百货公司销售预测 美国商业部：1986年1月至1995年12月百货公司的月零售额（亿元） 三、平滑技术 四、季节调整 Ratio to Moving Averages——Multiplicative 第二节 随机时间序列模型 基本假定：时间序列是由某个随机过程生成的。 在一定条件下，我们可以从样本观察值中估计随机过程的概率结构，这样我们就能够建立序列的模型并用过去的信息确定序列未来数值的概率。 常用模型：AR模型、MA模型、ARMA模型、ARIMA模型、VAR模型、ECM等。 一、平稳过程 统计特征不随时间变化而变化的过程是平稳过程（Stable Process） 如果过程是严平稳的（ Strictly Stationary），那么对任意的t和k，时刻t的联合概率密度函数等于时刻t+k的联合概率密度函数。也就是说，对于具有严平稳性质的随机过程，其全部概率结构只依赖于时间之差。 严平稳性的条件很严格，我们希望稍微放松限制条件。于是从实际角度考虑，我们可以用联合分布的