6第六篇_趋势时间序列模型.ppt

第六章 趋势时间序列模型 第一节 非平稳时间序列模型的种类 第二节 非平稳性的检验 第三节 平稳化方法 第三节 求和自回归滑动平均模型(ARIMA) 在现实世界中的大多数经济时间序列都表现出趋势性，即时间序列值随时间的变化呈现出增加或减少趋势和方差的不稳定性。例如，城镇居民人均可支配收入数据序列就有上升趋势，并且波动幅度逐年增大，表现出方差的不平稳性。因此在对时间序列建立模型之前，必须分析时间序列的平稳性和平稳化方法，这对于我们进行时间序列的统计分析、预测与控制，都具有十分重要的意义。 趋势性时间序列是在图形上表现出一个长期上升或向下的趋势。一般情况下，通过时间序列观察值来判断序列的趋势性是比较容易，但是有些情况下，就比较困难，这主要原因是从短期看，时间序列具有趋势变动，但从长期看，它只不过是循环波动的一部分。时间序列的趋势性，有确定性和非确定性两种，前者有线性趋势和非线性趋势。具有非确定性趋势的序列，往往表现为一种慢慢地向上或向下漂移的时间序列. 第一节 非时间序列模型的种类 一、均值非平稳过程 均值非平稳过程指随机过程的均值随均值函数的变化而变化。 我们可以引进两种非常有用的均值非平稳过程：确定趋势模型和随机趋势模型。 （一）确定趋势模型 当非平稳过程均值函数可由一个特定的时间趋势表示时，一个标准的回归模型曲线可用来描述这种现象。 （二）随机趋势模型 随机趋势模型又称齐次非平稳ARMA模型。为理解齐次非平稳ARMA模型，可先对ARMA模型的性质作一回顾。 二、方差和自协方差非平稳过程 一个均值平稳过程不一定是方差和自协方差平稳过程，同时一个均值非平稳过程也可能是方差和自协方差非平稳过程。 不是所有的非平稳问题都可以用差分方法解决，还有期望平稳和方差非平稳序列，为了克服这个问题，我们需要适当进行方差平稳化变换。 第二节 非平稳性的检验 一、通过时间序列的趋势图来判断 二、通过自相关函数(ACF)判断 三、特征根检验法 四、用非参数检验方法判断序列的平稳性 五、随机游走的单位根检验 一、通过时间序列的趋势图来判断 这种方法通过观察时间序列的趋势图来判断时间序列是否存在趋势性或周期性。 优点：简便、直观。对于那些明显为非平稳的时间序列，可以采用这种方法。 缺点：对于一般的时间序列是否平稳，不易用这种方法判断出来。 二、通过自相关函数(ACF)判断 平稳时间序列的自相关函数(ACF)要么是截尾的，要么是拖尾的。因此我们可以根据这个特性来判断时间序列是否为平稳序列。 若时间序列具有上升或下降的趋势，那么对于所有短时滞来说，自相关系数大且为正，而且随着时滞k的增加而缓慢地下降。 若序列无趋势，但是具有季节性，那末对于按月采集的数据，时滞12，24，36……的自相关系数达到最大(如果数据是按季度采集，则最大自相关系数出现在4，8，12， ……)，并且随着时滞的增加变得较小。 若序列是有趋势的，且具有季节性，其自相关函数特性类似于有趋势序列，但它们是摆动的，对于按月数据，在时滞12，24，36，……等处具有峰态；如果时间序列数据是按季节的，则峰出现在时滞4，8，12， ……等处。 三、特征根检验法（P146） 根据拟合出的时序模型参数检验(P146) 基本思想：时间序列模型的平稳性条件不仅可以用特征根来表示，也可以用模型的自回归参数表示，因此要检验一个序列是否平稳，可以先拟合适应的模型，然后再根据求出的自回归参数来检验序列是否平稳。 检验方法：参见课本146 四、用非参数检验方法判断序列的平稳性 （一）什么是参数检验和非参数检验？ 参数检验：参数检验是这样一种检验，它的模型对抽出研究样本的总体的分布作了限制性假定。。 如果对总体的分布不知道或了解很少，则参数检验方法就不可靠，甚至会发生较大偏差。 非参数检验：非参数检验是一种不依赖于总体分布知识的检验方法。 由于非参数检验不对总体分布加以限制性假定，所以它也称为自由分布检验。 非参数检验与参数检验相比有如下优点： a.检验条件比较宽松，适应性强 。 b.参数检验对样本容量的要求极低。 c.检验方法灵活，用途更广泛。 非参数检验主要用顺序统计量进行检验，因此它既可检验定距数据和定比数据，又可以检验定类数据和定序数据；而参数检验只能处理定距数据和定比数据。因为这些优点，非参数检验比参数检验应用更广泛。 d.非参数检验计算相对简单，易于理解。 非参数检验的缺点： 如果参数统计模型的所有假设在数据中事实上都能满足，而且测量达到了所要求的水平(定距数据或定比数据)，那么用非参数检验就浪费了数据中的信息。也就是说此时非参数检验的功效不如参数检验高。 (二)非参数检验方法在检验序列平稳性中的应用 1.游程检验方法 (